避免決策樹長得過頭
使用完整申請人資料所長出的樹，規模龐大又複雜，包含上百個分裂，還有許多只包含少數申請人的葉節點。放在貸款審核實務上，這樣的樹幾乎不可能被解讀。
利用「預先剪枝（pre-pruning）」的提前停止方法，你可以避免決策樹長得過大、過複雜。來看看 rpart 的控制選項中，限制最大樹深（maximum tree depth）與最小分割數（minimum split count）如何影響最終的樹。
loans_train 和 loans_test 資料集已建立，並且已預先載入 rpart。
本練習屬於課程
R 監督式學習：分類
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。
# Grow a tree with maxdepth of 6
loan_model <- ___
# Make a class prediction on the test set
loans_test$pred <- ___
# Compute the accuracy of the simpler tree
mean(___)