Inclusione di una loss matrix

In terzo luogo, puoi includere una loss matrix, modificando l’importanza relativa tra classificare erroneamente un default come non-default e un non-default come default. Vuoi sottolineare che classificare erroneamente un default come non-default deve essere penalizzato più severamente. L’inclusione di una loss matrix può essere fatta di nuovo nell’argomento parms della loss matrix.

parms = list(loss = matrix(c(0, cost_def_as_nondef, cost_nondef_as_def, 0), ncol=2))

Così facendo, stai costruendo una matrice 2x2 con zeri sulla diagonale e penalità di loss modificate fuori diagonale. La loss matrix predefinita ha tutti uno fuori diagonale.

Questo esercizio fa parte del corso

Credit Risk Modeling in R

Visualizza il corso

Istruzioni dell'esercizio

Modifica il codice fornito in modo da includere una loss matrix, con una penalizzazione 10 volte maggiore quando si classifica erroneamente un default effettivo come non-default. Puoi farlo sostituendo cost_def_as_nondef con 10 e cost_nondef_as_def con 1. Come hai fatto negli esercizi precedenti, includi rpart.control per ridurre il complexity parameter a 0.001.
Traccia l’albero di decisione usando la funzione plot e il nome dell’oggetto albero. Aggiungi un secondo argomento uniform = TRUE per ottenere rami di uguale dimensione e aggiungi le etichette all’albero usando text() con il nome dell’oggetto albero.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Change the code below such that a decision tree is constructed using a loss matrix penalizing 10 times more heavily for misclassified defaults.
tree_loss_matrix <- rpart(loan_status ~ ., method = "class",
                          data =  training_set)


# Plot the decision tree


# Add labels to the decision tree

Modifica ed esegui il codice