Entscheidungsbäume mit dem Paket rpart() erstellen

Kreditrisikomodellierung in R

Lore Dirick

Manager of Data Science Curriculum at Flatiron School

Stell dir vor...

Entscheidungsbaum.gif

Kreditrisikomodellierung in R

rpart()-Paket! Aber...

  • Einen schönen Entscheidungsbaum für Kreditrisiko zu bauen ist schwer
  • Hauptgrund: unausgewogene Daten
fit_default <- rpart(loan_status ~ ., method = "class", 
                     data = training_set)
plot(fit_default)

Error in plot.rpart(fit_default) : fit is not a tree, just a root
Kreditrisikomodellierung in R

Drei Techniken gegen Unausgewogenheit

  • Undersampling oder Oversampling
    • Genauigkeitsproblem verschwindet
    • Nur im Trainingssatz
  • Änderung der a-priori-Wahrscheinlichkeiten
  • Einbeziehen einer Verlustmatrix

Modell validieren und sehen, was am besten ist!

Kreditrisikomodellierung in R

Lass uns üben!

Kreditrisikomodellierung in R

Preparing Video For Download...