Побудова простого дерева рішень

Набір даних loans містить 11 312 випадково вибраних людей, які подали заявки та згодом отримали позики від Lending Club — американської платформи однорангового кредитування.

Ви використаєте дерево рішень, щоб виявити закономірності в результатах цих позик (повернута або прострочена) на основі запитаної суми позики та кредитного рейтингу на момент подання заявки.

Потім перевірте, чим відрізняються передбачення дерева для заявника з хорошою кредитною історією та для заявника з поганою кредитною історією.

Набори даних loans, good_credit і bad_credit уже завантажено для вас.

Ця вправа є частиною курсу

Наглядове навчання в R: Класифікація

Переглянути курс

Інструкції до вправи

Завантажте пакет rpart.
Навчіть модель дерева рішень за допомогою функції rpart().
- Передайте формулу R, у якій outcome задається як функція від loan_amount і credit_score, як перший аргумент.
- Поки що не змінюйте аргумент control. (Детальніше про нього ви дізнаєтеся пізніше!)
Використайте predict() для отриманої моделі, щоб передбачити результат для заявника good_credit. Задайте аргумент type, щоб передбачити "class" результату.
Зробіть те саме для заявника bad_credit.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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

Редагувати та запускати код