Uwzględnianie macierzy strat
Trzecim sposobem na dostosowanie modelu jest uwzględnienie macierzy strat, która zmienia względną wagę błędów klasyfikacji – konkretnie: sklasyfikowania faktycznego defaultu jako braku defaultu i odwrotnie. Zależy ci na tym, by błędna klasyfikacja defaultu jako braku defaultu była surowiej penalizowana. Macierz strat można zdefiniować w argumencie parms.
parms = list(loss = matrix(c(0, cost_def_as_nondef, cost_nondef_as_def, 0), ncol=2))
W ten sposób tworzysz macierz 2×2 z zerami na przekątnej i zmienionymi karami poza przekątną. Domyślna macierz strat ma jedynki poza przekątną.
To ćwiczenie jest częścią kursu
Modelowanie ryzyka kredytowego w R
Instrukcje do ćwiczenia
- Zmodyfikuj podany kod tak, aby uwzględniał macierz strat, w której kara za błędną klasyfikację faktycznego defaultu jako braku defaultu jest 10 razy większa. W tym celu zastąp
cost_def_as_nondefwartością 10, acost_nondef_as_defwartością 1. Podobnie jak w poprzednich ćwiczeniach, dodajrpart.control, aby poluzować parametr złożoności do 0,001. - Wyświetl drzewo decyzyjne, używając funkcji plot i nazwy obiektu drzewa. Dodaj drugi argument
uniform = TRUE, aby uzyskać gałęzie równej długości, a następnie dodaj etykiety do drzewa za pomocą funkcjitext(), podając nazwę obiektu drzewa.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Change the code below such that a decision tree is constructed using a loss matrix penalizing 10 times more heavily for misclassified defaults.
tree_loss_matrix <- rpart(loan_status ~ ., method = "class",
data = training_set)
# Plot the decision tree
# Add labels to the decision tree