Undersampling zbioru treningowego

W materiale wideo zobaczyłeś, że aby poradzić sobie z problemem niezbalansowanych danych, możesz zastosować undersampling lub oversampling. Zbiór treningowy został dla ciebie poddany undersamplingowi tak, że 1/3 obserwacji to przypadki niewypłacalności, a 2/3 to przypadki bez niewypłacalności. Wynikowy zbiór danych jest dostępny w twoim środowisku pod nazwą undersampled_training_set i zawiera mniej obserwacji (6570 zamiast 19394). W tym ćwiczeniu zbudujesz drzewo decyzyjne na podstawie tego zbioru.

Zauważysz, że drzewa w tym i kolejnych ćwiczeniach są bardzo duże – tak duże, że trudno je odczytać. Na razie się tym nie przejmuj – w następnym materiale wideo pokażemy ci, jak uczynić je bardziej czytelnymi!

To ćwiczenie jest częścią kursu

Modelowanie ryzyka kredytowego w R

Zobacz kurs

Instrukcje do ćwiczenia

Pakiet rpart został już zainstalowany. Załaduj go do swojego środowiska.
Zmodyfikuj podany kod tak, aby drzewo decyzyjne było budowane na podstawie undersamplowanego zbioru treningowego zamiast training_set. Dodaj również argument control = rpart.control(cp = 0.001). Parametr cp – czyli parametr złożoności – to wartość progowa dla spadku ogólnego braku dopasowania przy każdym podziale. Jeśli wartość cp nie zostanie osiągnięta, dalsze podziały nie będą wykonywane. Domyślna wartość cp wynosi 0,01, ale w przypadku złożonych problemów zaleca się jej zmniejszenie.
Zwizualizuj drzewo decyzyjne, używając funkcji plot z nazwą obiektu drzewa jako argumentem. Dodaj drugi argument uniform = TRUE, aby uzyskać gałęzie równej długości.
Poprzednie polecenie tworzy drzewo z węzłami i krawędziami, ale bez żadnych etykiet. Użyj funkcji text() z jedynym argumentem tree_undersample, aby dodać etykiety.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Load package rpart in your workspace.


# Change the code provided in the video such that a decision tree is constructed using the undersampled training set. Include rpart.control to relax the complexity parameter to 0.001.
tree_undersample <- rpart(loan_status ~ ., method = "class",
                          data =  training_set)

# Plot the decision tree


# Add labels to the decision tree

Edytuj i uruchom kod