Costruire un semplice albero decisionale

Il dataset loans contiene 11.312 persone selezionate casualmente che hanno richiesto e poi ottenuto prestiti da Lending Club, un'azienda statunitense di peer‑to‑peer lending.

Userai un albero decisionale per imparare gli schemi nell'esito di questi prestiti (ripagato oppure in default) in base all'importo richiesto e al credit score al momento della domanda.

Poi confronterai come cambiano le previsioni dell'albero per un richiedente con buon credito rispetto a uno con scarso credito.

Il dataset loans è già stato caricato per te.

Questo esercizio fa parte del corso

Apprendimento supervisionato in R: Classificazione

Visualizza il corso

Istruzioni dell'esercizio

Carica il pacchetto rpart.
Adatta un modello di albero decisionale con la funzione rpart().
- Fornisci la formula R che specifica outcome come funzione di loan_amount e credit_score come primo argomento.
- Per ora lascia invariato l'argomento control. (Lo approfondirai più avanti!)
Usa predict() con il modello sui prestiti per prevedere l'esito per il richiedente good_credit. Usa l'argomento type per prevedere la "class" dell'esito.
Fai lo stesso per il richiedente bad_credit.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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

Modifica ed esegui il codice