Evitare alberi troppo cresciuti
L'albero addestrato sull'intero insieme di dati dei richiedenti è diventato estremamente grande e complesso, con centinaia di split e foglie contenenti solo pochi richiedenti. Un responsabile dei prestiti farebbe molta fatica a interpretarlo.
Usando metodi di pre-pruning (interruzione anticipata), puoi evitare che un albero diventi troppo grande e complesso. Osserva come le opzioni di controllo di rpart per la profondità massima dell'albero e il numero minimo di osservazioni per effettuare uno split influenzino l'albero risultante.
I dataset loans_train e loans_test sono stati creati e rpart è già stato caricato.
Questo esercizio fa parte del corso
Apprendimento supervisionato in R: Classificazione
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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(___)