शुरू करेंमुफ़्त में शुरू करें

एक साधारण decision tree बनाना

loans डेटासेट में 11,312 यादृच्छिक रूप से चुने गए लोग हैं जिन्होंने Lending Club, एक US-आधारित peer-to-peer lending कंपनी, से लोन के लिए आवेदन किया और बाद में लोन प्राप्त किया.

आप एक decision tree का उपयोग करके इन लोन के outcome (repaid या default) में पैटर्न सीखने की कोशिश करेंगे, जो application के समय अनुरोधित लोन राशि और credit score पर आधारित होगा.

फिर देखें कि अच्छे क्रेडिट वाले आवेदक की तुलना में खराब क्रेडिट वाले के लिए ट्री की भविष्यवाणी कैसे बदलती है.

loans, good_credit, और bad_credit डेटासेट आपके लिए लोड कर दिए गए हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Supervised Learning: Classification

पाठ्यक्रम देखें

अभ्यास निर्देश

  • rpart पैकेज लोड करें.
  • rpart() फंक्शन से एक decision tree मॉडल फिट करें.
    • पहले आर्ग्युमेंट के रूप में वह R फ़ॉर्मूला दें जिसमें outcome को loan_amount और credit_score के फ़ंक्शन के रूप में निर्दिष्ट किया गया हो.
    • अभी control आर्ग्युमेंट को जैसा है वैसा ही रहने दें. (आप इसके बारे में आगे सीखेंगे!)
  • बने हुए loan मॉडल के साथ predict() का उपयोग करके good_credit आवेदक के लिए outcome की भविष्यवाणी करें. outcome की "class" भविष्यवाणी करने के लिए type आर्ग्युमेंट का उपयोग करें.
  • bad_credit आवेदक के लिए भी यही करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Load the rpart package


# Build a lending model predicting loan outcome versus loan amount and credit score
loan_model <- rpart(___, data = ___, method = "___", control = rpart.control(cp = 0))

# Make a prediction for someone with good credit
predict(___, ___, type = "___")

# Make a prediction for someone with bad credit
कोड संपादित करें और चलाएँ