Membangun pohon keputusan sederhana

Himpunan data loans berisi 11.312 orang yang dipilih secara acak yang mengajukan dan kemudian menerima pinjaman dari Lending Club, sebuah perusahaan pinjaman peer-to-peer berbasis di AS.

Anda akan menggunakan pohon keputusan untuk mempelajari pola pada hasil pinjaman ini (lunas atau gagal bayar) berdasarkan jumlah pinjaman yang diminta dan skor kredit saat pengajuan.

Kemudian, lihat bagaimana prediksi pohon berbeda untuk pemohon dengan kredit baik dibandingkan dengan yang berkredit buruk.

Himpunan data loans telah dimuat untuk Anda.

Latihan ini adalah bagian dari kursus

Supervised Learning di R: Klasifikasi

Lihat Kursus

Petunjuk latihan

Muat paket rpart.
Latih model pohon keputusan dengan fungsi rpart().
- Berikan formula R yang menyatakan outcome sebagai fungsi dari loan_amount dan credit_score sebagai argumen pertama.
- Biarkan argumen control apa adanya untuk sekarang. (Anda akan mempelajari lebih lanjut tentang itu nanti!)
Gunakan predict() dengan model pinjaman yang dihasilkan untuk memprediksi hasil bagi pemohon good_credit. Gunakan argumen type untuk memprediksi "class" dari hasil.
Lakukan hal yang sama untuk pemohon bad_credit.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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

Edit dan Jalankan Kode