1. Nauka
    2. /
  2. Kursy
    3. /
  3. Modelowanie ryzyka kredytowego w R
Connected

ćwiczenie

Zmiana prawdopodobieństw a priori

Jak wspomniano w filmie, możesz również zmienić prawdopodobieństwa a priori, aby uzyskać drzewo decyzyjne. To pośredni sposób na dostosowanie wagi błędnych klasyfikacji dla każdej klasy. Możesz przekazać dodatkowy argument do funkcji rpart(), aby uwzględnić prawdopodobieństwa a priori. Interesujący cię argument ma następującą postać:

parms = list(prior=c(non_default_proportion, default_proportion))

Pakiet rpart jest już wczytany do twojego środowiska pracy.

Instrukcje

100 XP
  • Zmodyfikuj podany kod tak, aby zbudować drzewo decyzyjne z argumentem parms, ustawiając proporcję przypadków bez niewykonania zobowiązań na 0,7, a z niewykonaniem zobowiązań na 0,3 (ich suma powinna zawsze wynosić 1). Dodaj również argument control = rpart.control(cp = 0.001).
  • Zwizualizuj drzewo decyzyjne, używając funkcji plot z nazwą obiektu drzewa. Dodaj drugi argument "uniform=TRUE", aby uzyskać gałęzie o jednakowej długości.
  • Dodaj etykiety do drzewa, używając funkcji text() z nazwą obiektu drzewa decyzyjnego.