더 많은 옵션으로 마지막 트리 만들기

이 연습에서는 영상에서 다룬 마지막 몇 가지 인수를 사용해 보겠습니다. rpart.control() 함수의 일부 설정을 바꾸고, rpart()의 weights 인수를 사용해 가중치를 포함하겠습니다. 벡터 case_weights는 이미 만들어져 작업 공간에 로드되어 있어요. 이 벡터에는 훈련 세트의 비연체 건에 가중치 1, 연체 건에 가중치 3이 들어 있습니다. 연체에 더 높은 가중치를 주면, 모델이 연체를 정확히 분류하는 것을 더 중요하게 여기게 됩니다.

이 연습은 강의의 일부입니다

R로 배우는 신용 위험 모델링

강의 보기

연습 안내

시드를 345로 설정하세요.
제공된 코드에서 rpart()의 weights 인수에 case_weights를 전달해 추가하세요.
rpart.control에서 minsplit과 minbucket 인수를 각각 사용해 노드에서 허용되는 최소 분할 수를 5로, 리프 노드에서 허용되는 최소 관측치 수를 2로 변경하세요.
plotcp() 함수를 사용해 교차 검증 오류율이 최소가 되는 지점을 확인하세요.
which.min()을 사용해 tree_weights$cp에서 "xerror"가 최소인 행을 찾아 index에 할당하세요.
제공된 코드를 사용해 교차 검증 오류가 최소가 되는 cp를 선택하세요.
교차 검증 오류율이 최소가 되는 복잡도 매개변수로 트리를 가지치기(prune)하세요. 가지치기된 트리를 ptree_weights에 저장하세요.
prp() 함수를 사용해 가지치기된 트리를 그리세요. 두 번째 인수 extra를 포함하고 값을 1로 설정하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# set a seed and run the code to obtain a tree using weights, minsplit and minbucket
set.seed(345)
tree_weights <- rpart(loan_status ~ ., method = "class",
                      data = training_set,
                      control = rpart.control(minsplit = ___, minbucket = ___, cp = 0.001))

# Plot the cross-validated error rate for a changing cp


# Create an index for of the row with the minimum xerror
index <- which.min(___$___[ , "xerror"])

# Create tree_min
tree_min <- tree_weights$cp[index, "CP"]

# Prune the tree using tree_min


# Plot the pruned tree using the rpart.plot()-package

코드 편집 및 실행