Xây dựng cây quyết định đơn giản
Bộ dữ liệu loans gồm 11.312 người được chọn ngẫu nhiên đã nộp đơn và sau đó nhận khoản vay từ Lending Club, một công ty cho vay ngang hàng tại Mỹ.
Bạn sẽ dùng cây quyết định để học các mẫu trong kết quả của những khoản vay này (hoặc được hoàn trả, hoặc vỡ nợ) dựa trên số tiền vay được yêu cầu và điểm tín dụng tại thời điểm nộp đơn.
Sau đó, xem dự báo của cây khác nhau thế nào giữa một người nộp đơn có tín dụng tốt và một người có tín dụng xấu.
Các bộ dữ liệu loans, good_credit và bad_credit đã được nạp sẵn cho bạn.
Bài tập này là một phần của khóa học
Học có giám sát trong R: Phân loại
Hướng dẫn bài tập
- Nạp gói
rpart. - Khớp một mô hình cây quyết định với hàm
rpart().- Truyền công thức R xác định
outcomelà hàm củaloan_amountvàcredit_scorelàm đối số thứ nhất. - Tạm thời giữ nguyên đối số
control. (Bạn sẽ học thêm về nó sau!)
- Truyền công thức R xác định
- Dùng
predict()với mô hình khoản vay nhận được để dự đoán kết quả cho ứng viêngood_credit. Dùng đối sốtypeđể dự đoán"class"của kết quả. - Làm tương tự cho ứng viên
bad_credit.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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