더 큰 트리 만들기와 평가하기
이전에 신청자의 신용 점수와 요청한 대출 금액을 사용해 대출 결과를 예측하는 간단한 의사결정나무를 만들었어요.
Lending Club에는 주택 소유 여부, 재직 기간, 대출 목적, 과거 파산 이력 등 더 정확한 예측에 도움이 될 수 있는 추가 정보가 있어요.
사용 가능한 모든 신청자 데이터를 활용해, 이전에 만든 무작위 학습 데이터셋으로 더 정교한 대출 모델을 구축하세요. 그런 다음 이 모델을 테스트 데이터셋에 적용해 예측을 만들고, 향후 대출 신청에서의 모델 성능을 추정하세요.
rpart 패키지는 미리 로드되어 있으며, loans_train과 loans_test 데이터셋이 생성되어 있어요.
이 연습은 강의의 일부입니다
R로 배우는 Supervised Learning: 분류
연습 안내
- 학습 데이터셋과 사용 가능한 모든 예측 변수를 사용해
rpart()로 대출 모델을 만드세요. 이번에도control인수는 건드리지 마세요. predict()함수를 테스트 데이터셋에 적용해 예측된 결과 벡터를 만드세요.type인수를 잊지 마세요.- 예측값과 실제
outcome값을 비교하는table()을 만드세요. mean()함수를 사용해 예측의 정확도를 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Grow a tree using all of the available applicant data
loan_model <- rpart(___, data = ___, method = "___", control = rpart.control(cp = 0))
# Make predictions on the test dataset
loans_test$pred <- ___
# Examine the confusion matrix
table(___, ___)
# Compute the accuracy on the test dataset
mean(___)