建立簡單的決策樹
loans 資料集包含 11,312 位隨機抽樣、向美國的點對點借貸公司 Lending Club 申請並獲得核貸的人。
你將使用決策樹，根據申請時的申貸金額和信用評分，學習這些貸款最終結果（已還款或違約）的模式。
接著，比較當申請者信用良好與信用不佳時，樹模型的預測有何不同。
loans、good_credit 和 bad_credit 資料集都已為你載入。
本練習屬於課程
R 監督式學習：分類
練習說明
- 載入
rpart套件。 - 使用
rpart()函式擬合一個決策樹模型。- 在第一個引數提供 R formula，指定
outcome為loan_amount與credit_score的函數。 - 先不要動
control引數。（之後你會再深入學習！）
- 在第一個引數提供 R formula，指定
- 使用
predict()和得到的貸款模型來預測good_credit申請者的結果。將type引數設為"class"，以預測結果的類別。 - 對
bad_credit申請者做相同的預測。
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。
# 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