加入 loss 矩陣

第三，你可以加入一個 loss 矩陣，用來改變兩種誤分類的相對重要性：把「違約」誤分為「未違約」，以及把「未違約」誤分為「違約」。你想強調的是，將實際違約誤判為未違約，應該要有更高的懲罰。你可以在引數 parms 中加入 loss 矩陣來達成這件事。

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

這樣會建立一個 2x2 的矩陣，對角線為 0，非對角線為指定的懲罰值。預設的 loss 矩陣是在非對角線上皆為 1。

本練習屬於課程

R 的信用風險建模

檢視課程

練習說明

修改提供的程式碼以加入此 loss 矩陣：當把實際違約誤判為未違約時，懲罰提高為 10 倍。也就是將 cost_def_as_nondef 改為 10，cost_nondef_as_def 改為 1。和前面練習一樣，加入 rpart.control，把複雜度參數放寬為 0.001。
使用函式 plot 與樹物件名稱來繪製決策樹。加入第二個引數 uniform = TRUE 讓分支等長，並用 text()（搭配同一個樹物件名稱）為樹加上標籤。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# 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

編輯並執行程式碼