Auparavant, vous avez créé un arbre de décision simple qui utilise la cote de crédit du demandeur et le montant du prêt demandé pour prédire l'issue du prêt.

Lending Club dispose d'informations supplémentaires sur les candidats, telles que le statut de propriétaire, la durée de l'emploi, l'objet du prêt et les faillites antérieures, qui peuvent s'avérer utiles pour établir des prévisions plus précises.

En utilisant toutes les données disponibles sur les demandeurs, construisez un modèle de prêt plus sophistiqué à l'aide de l'ensemble de données de formation aléatoire créé précédemment. Ensuite, utilisez ce modèle pour faire des prédictions sur l'ensemble de données de test afin d'estimer la performance du modèle sur les futures demandes de prêt.

Le paquet rpart a été préchargé et les ensembles de données loans_train et loans_test ont été créés.

Prendre des décisions avec les arbres

Create Your Free Account