Podando a árvore com a matriz de perdas

Neste exercício, você vai podar a árvore construída usando uma matriz de perdas para penalizar mais os defaults classificados incorretamente do que os não-defaults classificados incorretamente.

Este exercício faz parte do curso

Modelagem de Risco de Crédito em R

Ver curso

Instruções do exercício

Execute o código para definir a semente e construir tree_loss_matrix novamente.
Use a função plotcp() para examinar a estrutura de erro por validação cruzada.
Observando o gráfico de cp, você vai notar que podar a árvore usando o erro mínimo de validação cruzada levará a uma árvore tão grande quanto a não podada, pois o erro de validação cruzada atinge seu mínimo em cp = 0.001. Como você gostaria de deixar a árvore um pouco menor, tente podar a árvore usando cp = 0.0012788. Para esse parâmetro de complexidade, o erro de validação cruzada se aproxima do erro mínimo observado. Chame a árvore podada de ptree_loss_matrix.
O pacote rpart.plot está carregado no seu ambiente. Plote a árvore podada usando a função prp() (incluindo o argumento extra = 1).

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# set a seed and run the code to construct the tree with the loss matrix again
set.seed(345)
tree_loss_matrix  <- rpart(loan_status ~ ., method = "class", data = training_set,
                           parms = list(loss=matrix(c(0, 10, 1, 0), ncol = 2)),
                           control = rpart.control(cp = 0.001))

# Plot the cross-validated error rate as a function of the complexity parameter


# Prune the tree using cp = 0.0012788


# Use prp() and argument extra = 1 to plot the pruned tree

Editar e executar o código