간단한 결정나무 만들기

loans 데이터셋에는 미국의 개인 간 대출 회사인 Lending Club에서 대출을 신청하고 이후 대출을 받은 사람 11,312명의 임의 표본이 들어 있습니다.

신청 시점의 요청 대출액과 신용점수를 바탕으로, 이 대출의 결과(상환 또는 연체)에 나타나는 패턴을 결정나무로 학습해 보려고 합니다.

그런 다음, 신용이 좋은 신청자와 나쁜 신청자에 대해 트리의 예측이 어떻게 다른지 확인하세요.

loans 데이터셋은 미리 로드되어 있습니다.

rpart 패키지를 로드하세요.
rpart() 함수를 사용해 결정나무 모델을 적합하세요.
- 첫 번째 인수로, outcome을 loan_amount와 credit_score의 함수로 지정하는 R 공식을 전달하세요.
- control 인수는 지금은 그대로 두세요. (이 부분은 나중에 더 배우게 됩니다!)
생성된 대출 모델로 predict()를 사용해 good_credit 신청자의 결과를 예측하세요. 결과의 "class"를 예측하도록 type 인수를 설정하세요.
bad_credit 신청자에 대해서도 동일하게 수행하세요.