Overgroeide bomen voorkomen
De boom die is getraind op de volledige set aanvragers is extreem groot en complex geworden, met honderden splits en bladknopen met maar een handjevol aanvragers. Zo’n boom is voor een kredietmedewerker bijna niet te interpreteren.
Met pre-pruning (vroegtijdig stoppen) kun je voorkomen dat een boom te groot en te complex wordt. Bekijk hoe de rpart-controleopties voor maximale boomdiepte en minimale splitsingstelling de resulterende boom beïnvloeden.
rpart is al ingeladen.
Deze oefening maakt deel uit van de cursus
Supervised Learning in R: Classificatie
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Grow a tree with maxdepth of 6
loan_model <- ___
# Make a class prediction on the test set
loans_test$pred <- ___
# Compute the accuracy of the simpler tree
mean(___)