1. Learn
    2. /
  2. 课程
    3. /
  3. R 中的信用风险建模
Connected

道练习

使用损失矩阵剪枝

在本练习中，您将对使用损失矩阵构建的树进行剪枝，从而对"违约被错分"为非违约施加比"非违约被错分"为违约更高的惩罚。

说明

100 XP
  • 运行代码以再次设置随机种子并构建 tree_loss_matrix。
  • 使用函数 plotcp() 查看交叉验证误差结构。
  • 观察 cp 图，您会发现，按最小交叉验证误差进行剪枝会得到与未剪枝树同样大小的树，因为当 cp = 0.001 时交叉验证误差达到最小。由于您希望将树适当变小，请尝试使用 cp = 0.0012788 进行剪枝。对于该复杂度参数，交叉验证误差接近观测到的最小误差。将剪枝后的树命名为 ptree_loss_matrix。
  • 工作空间已加载 rpart.plot 包。使用函数 prp() 绘制剪枝后的树（包含参数 extra = 1）。