अत्यधिक बड़े पेड़ों को रोकना
आवेदकों के पूरे डेटा सेट पर उगाया गया ट्री बेहद बड़ा और जटिल हो गया, जिसमें सैकड़ों स्प्लिट्स थे और पत्तियों (leaf nodes) में सिर्फ चंद आवेदक थे. ऐसे ट्री को किसी लोन ऑफिसर के लिए समझ पाना लगभग असंभव होगा.
Early stopping के लिए pre-pruning तरीकों का उपयोग करके, आप ट्री को बहुत बड़ा और जटिल होने से रोक सकते हैं. देखें कि अधिकतम ट्री गहराई और न्यूनतम स्प्लिट काउंट के लिए rpart के control ऑप्शंस अंतिम ट्री को कैसे प्रभावित करते हैं.
loans_train और loans_test डेटासेट बना दिए गए हैं, और rpart पहले से लोड है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Supervised Learning: Classification
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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(___)