1. Learn
    2. /
  2. Cursuri
    3. /
  3. Supervised Learning în R: Clasificare
Connected

Exercițiu

Prevenirea arborilor supradimensionați

Arborele construit pe întregul set de date ale solicitanților a crescut foarte mult și a devenit extrem de complex, cu sute de ramificații și noduri finale care conțineau doar câțiva solicitanți. Un astfel de arbore ar fi aproape imposibil de interpretat de către un ofițer de credite.

Using the pre-pruning methods for early stopping, you can prevent a tree from growing too large and complex. See how the rpart control options for maximum tree depth and minimum split count impact the resulting tree.

The loans_train and loans_test datasets have been created, and rpart has been pre-loaded.

Instrucțiuni 1/2

undefined XP
  • 1
    • Folosește rpart() pentru a construi un model de creditare folosind setul de antrenament și toți predictorii disponibili.
      • Setează controalele modelului cu rpart.control(), cu parametrii cp setat la 0 și maxdepth setat la 6.
    • Observă cum se compară acuratețea modelului mai simplu pe setul de testare cu acuratețea inițială de 58,3%.
      • Mai întâi, creează un vector de predicții folosind funcția predict().
      • Compară predicțiile cu rezultatele reale și folosește mean() pentru a calcula acuratețea.
  • 2

    În controalele modelului, elimină maxdepth și adaugă un parametru de divizare minimă, minsplit, setat la 500.