Bir kayıp matrisi ekleme

Üçüncü olarak, bir kayıp matrisi ekleyerek, bir temerrüdü temerrüt değil olarak yanlış sınıflandırmanın, temerrüt olmayanı temerrüt olarak yanlış sınıflandırmaya kıyasla göreli önemini değiştirebilirsin. Burada, bir temerrüdü temerrüt değil olarak yanlış sınıflandırmanın daha ağır cezalandırılması gerektiğini vurgulamak istiyorsun. Kayıp matrisini yine parms argümanında ekleyebilirsin.

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

Bunu yaparak, köşegeninde sıfırlar, köşegen dışlarında ise değiştirilmiş kayıp cezaları olan 2x2’lik bir matris oluşturuyorsun. Varsayılan kayıp matrisi, köşegen dışında birlerin bulunduğu bir matristir.

Bu egzersiz

R ile Kredi Riski Modellemesi

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

Verilen kodu, bir kayıp matrisi içerecek şekilde değiştir: Gerçek bir temerrüdü temerrüt değil olarak yanlış sınıflandırdığında cezanın 10 kat daha büyük olmasını istiyorsun. Bunu cost_def_as_nondef değerini 10, cost_nondef_as_def değerini ise 1 ile değiştirerek yapabilirsin. Önceki egzersizlerde yaptığın gibi, karmaşıklık parametresini 0.001’e gevşetmek için rpart.control ekle.
Karar ağacını, plot fonksiyonunu ve ağaç nesnesinin adını kullanarak görselleştir. Eşit boyutlu dallar için ikinci argüman olarak uniform = TRUE ekle ve text() fonksiyonunu ağaç nesnesiyle kullanarak ağaca etiketler ekle.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# 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

Kodu Düzenle ve Çalıştır