Construirea unui arbore de decizie simplu

Setul de date loans conține 11.312 persoane selectate aleatoriu care au aplicat și au primit împrumuturi de la Lending Club, o companie americană de creditare peer-to-peer.

Vei folosi un arbore de decizie pentru a identifica tipare în rezultatul acestor împrumuturi (rambursat sau implicit) pe baza sumei solicitate și a scorului de credit la momentul aplicării.

Apoi, observă cum diferă predicțiile arborelui pentru un solicitant cu un scor de credit bun față de unul cu un scor de credit slab.

Seturile de date loans, good_credit și bad_credit au fost deja încărcate pentru tine.

Acest exercițiu face parte din cursul

Supervised Learning în R: Clasificare

Vezi cursul

Instrucțiuni pentru exercițiu

Încarcă pachetul rpart.
Antrenează un model de arbore de decizie cu funcția rpart().
- Furnizează formula R care specifică outcome ca funcție a variabilelor loan_amount și credit_score drept prim argument.
- Lasă argumentul control nemodificat pentru moment. (Vei afla mai multe despre el mai târziu!)
Folosește predict() cu modelul rezultat pentru a prezice rezultatul pentru solicitantul good_credit. Utilizează argumentul type pentru a prezice "class" rezultatului.
Repetă aceiași pași pentru solicitantul bad_credit.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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

Editează și rulează codul