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

道练习

使用更多选项构建最后一棵树

在本练习中，您将使用视频中讨论过的一些最终参数。我们会修改 rpart.control() 函数中的部分设置，并在 rpart() 中通过 weights 参数加入权重。向量 case_weights 已为您构建并加载到工作空间中。该向量对训练集中未违约样本赋予权重 1，对违约样本赋予权重 3。通过为违约赋予更高权重，模型会更重视对违约的正确分类。

说明

100 XP
  • 设置随机种子为 345。
  • 在提供的代码中，将 case_weights 传入 rpart() 的 weights 参数。
  • 使用 rpart.control 中的参数，分别将节点允许的最小分裂样本数 minsplit 设为 5，将叶节点允许的最小观测数 minbucket 设为 2。
  • 使用函数 plotcp() 查看交叉验证错误率的最小位置。
  • 使用 which.min() 找到 tree_weights$cp 中 "xerror" 最小的行，并将其赋值给 index。
  • 使用提供的代码选择交叉验证误差最小时对应的 cp 值。
  • 使用交叉验证错误率最小时对应的复杂度参数对树进行剪枝。将剪枝后的树保存到 ptree_weights。
  • 使用函数 prp() 绘制剪枝后的树。加入第二个参数 extra，并将其设为 1。