Criação de uma árvore de decisão simples

O conjunto de dados do loans contém 11.312 pessoas selecionadas aleatoriamente que solicitaram e posteriormente receberam empréstimos do Lending Club, uma empresa de empréstimos peer-to-peer com base no US.

Você usará uma árvore de decisão para tentar aprender padrões no resultado desses empréstimos (pagos ou inadimplentes) com base no valor do empréstimo solicitado e na pontuação de crédito no momento da solicitação.

Em seguida, veja como as previsões da árvore diferem para um candidato com bom crédito e outro com crédito ruim.

O conjunto de dados loans foi carregado para você.

Este exercício faz parte do curso

Aprendizagem supervisionada em R: Classificação

Ver Curso

Instruções de exercício

Carregue o pacote rpart.
Ajuste um modelo de árvore de decisão com a função rpart().
- Forneça a fórmula R que especifica outcome como uma função de loan_amount e credit_score como o primeiro argumento.
- Por enquanto, você não precisa se preocupar com o argumento do control. (Você saberá mais sobre isso mais tarde!)
Use o site predict() com o modelo de empréstimo resultante para prever o resultado para o candidato good_credit. Use o argumento type para prever o "class" do resultado.
Faça o mesmo para o candidato bad_credit.

Exercício interativo prático

Experimente este exercício preenchendo este código de exemplo.

# Load the rpart package


# Build a lending model predicting loan outcome versus loan amount and credit score
loan_model <- rpart(___, data = ___, method = "___", control = rpart.control(cp = 0))

# Make a prediction for someone with good credit
predict(___, ___, type = "___")

# Make a prediction for someone with bad credit

Editar e executar código