Basit bir karar ağacı kurma
loans veri kümesi, ABD merkezli eşler arası kredi şirketi Lending Club'dan kredi başvurusu yapıp daha sonra kredi alan rastgele seçilmiş 11.312 kişiyi içerir.
Başvuru anındaki talep edilen kredi tutarı ve kredi notuna göre bu kredilerin sonucundaki desenleri (geri ödendi veya temerrüt) öğrenmek için bir karar ağacı kullanacaksın.
Ardından, ağacın tahminlerinin, iyi kredi notuna sahip bir başvuru sahibi ile kötü kredi notuna sahip biri için nasıl farklılaştığını gör.
loans, good_credit ve bad_credit veri kümeleri senin için yüklendi.
Bu egzersiz, kursun bir parçasıdır
R'de Supervised Learning: Sınıflandırma
Egzersiz talimatları
rpartpaketini yükle.rpart()fonksiyonu ile bir karar ağacı modeli kur.- İlk argüman olarak,
outcomedeğişkeniniloan_amountvecredit_score'un bir fonksiyonu olarak belirten R formülünü ver. - Şimdilik
controlargümanına dokunma. (Bunu daha sonra öğreneceksin!)
- İlk argüman olarak,
- Ortaya çıkan kredi modeli ile
predict()kullanarakgood_creditbaşvuru sahibi için sonucu tahmin et. Sonucun"class"ını tahmin etmek içintypeargümanını kullan. - Aynısını
bad_creditbaşvuru sahibi için de yap.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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