Zapobieganie nadmiernemu rozrostowi drzew
Drzewo zbudowane na pełnym zbiorze danych wnioskodawców urosło do ogromnych rozmiarów i stało się niezwykle złożone – miało setki podziałów, a liście zawierały zaledwie kilka obserwacji. Takie drzewo byłoby praktycznie niemożliwe do interpretacji przez analityka kredytowego.
Stosując metody wczesnego przycinania (pre-pruning), możesz zapobiec nadmiernemu rozrostowi drzewa. Sprawdź, jak parametry kontrolne funkcji rpart – maksymalna głębokość drzewa i minimalna liczba obserwacji wymagana do podziału – wpływają na wynik.
Zbiory danych loans_train i loans_test zostały już przygotowane, a biblioteka rpart jest wczytana.
To ćwiczenie jest częścią kursu
Nadzorowane uczenie maszynowe w R: Klasyfikacja
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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(___)