Empêcher les arbres de trop pousser
L'arbre entraîné sur l'ensemble complet des demandeurs est devenu extrêmement grand et complexe, avec des centaines de coupures et des feuilles ne contenant que quelques demandeurs. Un tel arbre serait presque impossible à interpréter pour un chargé de prêts.
Grâce aux méthodes de pré-élagage (arrêt précoce), vous pouvez éviter qu'un arbre ne devienne trop grand et trop complexe. Observez comment les options de contrôle de rpart pour la profondeur maximale de l'arbre et le nombre minimal d'observations pour une division influencent l'arbre obtenu.
Les jeux de données loans_train et loans_test ont été créés, et rpart a été préchargé.
Cet exercice fait partie du cours
<cours>Apprentissage supervisé en R : Classification</cours>Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Grow a tree with maxdepth of 6
loan_model <- ___
# Make a class prediction on the test set
loans_test$pred <- ___
# Compute the accuracy of the simpler tree
mean(___)