Calcularea câștigului pentru un arbore

În video, ai văzut cum se folosește măsura Gini pentru a determina cea mai bună împărțire a unui arbore. Acum vei calcula câștigul pentru arborele încărcat în spațiul tău de lucru.

Setul de date conține 500 de cazuri, dintre care 89 sunt cazuri de nerambursare. Aceasta a condus la un Gini de 0,292632 în nodul rădăcină. Ca un mic memento, reține că Gini al unui nod = 2 * proporția cazurilor de nerambursare din nod * proporția cazurilor fără nerambursare din nod. Aruncă o privire la cod pentru a-ți reîmprospăta memoria.

gini_root <- 2 * (89 / 500) * (411 / 500)

Vei folosi aceste măsuri Gini pentru a calcula câștigul nodurilor frunză față de nodul rădăcină. Consultă codul de mai jos pentru a înțelege cum poți folosi măsurile Gini create pentru a calcula câștigul unui nod.

Gain = gini_root - (prop(cases left leaf) * gini_left) - (prop(cases right leaf * gini_right))

Calculează Gini pentru nodul stâng și pentru nodul drept, precum și câștigul celor două noduri frunză față de nodul rădăcină. Obiectul care conține arborele este small_tree.

Acest exercițiu face parte din cursul

Modelarea riscului de credit în R

Vezi cursul

Instrucțiuni pentru exercițiu

Calculul pentru Gini al nodului rădăcină este deja furnizat.
Calculează măsura Gini pentru nodul frunză stâng.
Calculează măsura Gini pentru nodul frunză drept.
Calculează câștigul scăzând din Gini al nodului rădăcină măsurile Gini ponderate ale nodurilor frunză.
Informațiile despre împărțirea din acest arbore pot fi accesate folosind $split și obiectul arborelui, small_tree. În loc de câștig, urmărește coloana improve. improve este o metrică alternativă pentru câștig, obținută pur și simplu prin înmulțirea câștigului cu numărul de cazuri din setul de date. Asigură-te că obiectul improve (cod furnizat) are aceeași valoare ca în small_tree$split.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# The Gini-measure of the root node is given below
gini_root <- 2 * 89 / 500 * 411 / 500

# Compute the Gini measure for the left leaf node
gini_ll <-

# Compute the Gini measure for the right leaf node
gini_rl <-

# Compute the gain
gain <- gini_root - 446 / 500 * gini_ll - 54 / 500 * gini_rl

# compare the improve-column in small_tree$splits with our computed gain, multiplied by 500, and assure they are the same
small_tree$splits
improve <- gain * 500

Editează și rulează codul