Inkludera en förlustmatris

Som ett tredje alternativ kan du inkludera en förlustmatris, som ändrar den relativa vikten av att felklassificera en faktisk default som icke-default jämfört med tvärtom. Målet är att betona att det ska straffas hårdare att felklassificera en default som icke-default. Förlustmatrisen anges i argumentet parms.

parms = list(loss = matrix(c(0, cost_def_as_nondef, cost_nondef_as_def, 0), ncol=2))

Där skapar du en 2x2-matris med nollor på diagonalen och förändrade förlustpenaliseringar utanför diagonalen. Standardförlustmatrisen har entor utanför diagonalen.

Den här övningen är en del av kursen

Kreditriskmodellering i R

Visa kurs

Övningsinstruktioner

Ändra koden så att en förlustmatris inkluderas, med en penalisering som är 10 gånger större när en faktisk default felklassificeras som icke-default. Det gör du genom att ersätta cost_def_as_nondef med 10 och cost_nondef_as_def med 1. Inkludera även rpart.control för att lätta på komplexitetsparametern till 0,001, precis som du gjort i de tidigare övningarna.
Rita beslutsträdet med funktionen plot och trädets objektnamn. Lägg till ett andra argument, uniform = TRUE, för att få grenar av samma storlek, och lägg till etiketter i trädet med text() och trädets objektnamn.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Change the code below such that a decision tree is constructed using a loss matrix penalizing 10 times more heavily for misclassified defaults.
tree_loss_matrix <- rpart(loan_status ~ ., method = "class",
                          data =  training_set)


# Plot the decision tree


# Add labels to the decision tree

Redigera och kör kod