1. เรียนรู้
    2. /
  2. Courses
    3. /
  3. Rで学ぶSupervised Learning：分類
Connected

Exercises

シンプルな決定木を作る

loans データセットには、米国のピアツーピア融資会社である Lending Club でローンに申し込み、その後実際に融資を受けた 11,312 名を無作為に抽出したデータが含まれます。

申請時の希望借入額とクレジットスコアに基づいて、ローンの結果（返済済みかデフォルトか）のパターンを学習するために、決定木を使います。

そして、クレジット状況が良い申請者と悪い申請者で、木の予測がどのように異なるかを確認します。

データセット loans は読み込まれています。

คำแนะนำ

100 XP
  • rpart パッケージを読み込みます。
  • rpart() 関数で決定木モデルを当てはめます。
    • 第1引数に、outcome を loan_amount と credit_score の関数として指定する R のフォーミュラを与えます。
    • いまは control 引数には手を加えません。（この後で学びます！）
  • 得られたローンモデルに対して predict() を使い、good_credit 申請者の結果を予測します。type 引数で結果の "class" を予測するよう指定します。
  • bad_credit 申請者についても同様に行います。