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 から融資を申し込み、その後実際に受け取った 11,312 人を無作為に抽出したデータが含まれます。

ここでは、申請時の希望借入額と信用スコアに基づいて、ローンの結果（返済か延滞か）のパターンを学習するために決定木を使います。

そして、信用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しょう。

loans、good_credit、bad_credit の各データセットは読み込まれています。

rpart パッケージを読み込みます。
rpart() 関数で決定木モデルを学習します。
- 第1引数には、outcome を loan_amount と credit_score の関数として指定する R のフォーミュラを渡します。
- いまは control 引数はそのままにしておきましょう。（後ほど詳しく学びます。）
生成したローンモデルに対して predict() を用い、good_credit の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。
同様に、bad_credit の申請者についても予測します。