Reducerea arborelui cu probabilități a priori modificate

În videoclip ai învățat că reducerea unui arbore (pruning) este necesară pentru a evita supraadaptarea (overfitting). În exercițiile anterioare ai întâlnit arbori de mari dimensiuni, iar acum vei pune în practică ceea ce ai învățat și vei reduce arborele construit anterior cu probabilitățile a priori modificate. Pachetul rpart este deja încărcat în spațiul tău de lucru.

Vei seta mai întâi un seed pentru a te asigura că rezultatele sunt reproductibile, așa cum s-a menționat în videoclip – deoarece vei examina rezultatele erorii din validarea încrucișată. Rezultatele implică un element aleatoriu și pot varia ușor dacă rulezi funcția din nou cu un seed diferit.

În acest exercițiu vei învăța să identifici care parametru de complexitate (CP) minimizează eroarea din validarea încrucișată, apoi să reduci arborele pe baza acestei valori.

Acest exercițiu face parte din cursul

Modelarea riscului de credit în R

Vezi cursul

Instrucțiuni pentru exercițiu

tree_prior este încărcat în spațiul tău de lucru.
Folosește plotcp() pentru a vizualiza eroarea din validarea încrucișată (X-val Relative Error) în raport cu parametrul de complexitate pentru tree_prior.
Folosește printcp() pentru a afișa un tabel cu informații despre CP, împărțiri și erori. Încearcă să identifici care împărțire are eroarea minimă din validarea încrucișată în tree_prior.
Folosește which.min() pentru a identifica ce rând din tree_prior$cptable are eroarea minimă din validarea încrucișată "xerror". Atribuie rezultatul variabilei index.
Creează tree_min selectând indexul din tree_prior$cptable pentru coloana "CP".
Folosește funcția prune() pentru a obține arborele redus. Numește arborele redus ptree_prior.
Pachetul rpart.plot este încărcat în spațiul tău de lucru. Reprezintă grafic arborele redus folosind funcția prp() (setările implicite).

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# tree_prior is loaded in your workspace

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


# Use printcp() to identify for which complexity parameter the cross-validated error rate is minimized.


# Create an index for of the row with the minimum xerror
index <- which.min(___$___[ , "xerror"])

# Create tree_min
tree_min <- tree_prior$cptable[index, "CP"]

#  Prune the tree using tree_min
ptree_prior <- prune(___, cp = ___)

# Use prp() to plot the pruned tree

Editează și rulează codul