构建一个简单的决策树

loans 数据集包含 11,312 名随机抽取的借款人，这些人向美国的点对点借贷公司 Lending Club 申请并最终获得了贷款。

您将使用决策树，根据申请时的贷款金额与信用评分，学习这些贷款的结果模式（偿还或违约）。

然后，比较该树对高信用与低信用申请人的预测差异。

loans、good_credit 和 bad_credit 数据集已为您加载。

本练习是课程的一部分

R 中的监督学习：分类

查看课程

练习说明

加载 rpart 包。
使用 rpart() 函数拟合一个决策树模型。
- 在第一个参数中提供 R 公式，指定 outcome 由 loan_amount 和 credit_score 决定。
- 暂时不要修改 control 参数。（稍后您会进一步了解！）
使用 predict() 和训练得到的贷款模型，对 good_credit 申请人的结果进行预测。通过 type 参数预测结果的 "class"。
对 bad_credit 申请人执行相同操作。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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

编辑并运行代码