決定木とは？

R で学ぶクレジットリスク・モデリング

Lore Dirick

Manager of Data Science Curriculum at Flatiron School

決定木の例

2020-06-22 2.56.34 PM のスクリーンショット.png

R で学ぶクレジットリスク・モデリング

分割はどう決めるか？

2020-06-22 2.57.01 PM のスクリーンショット.png

R で学ぶクレジットリスク・モデリング

分割はどう決めるか？

2020-06-22 2.57.13 PM のスクリーンショット.png

R で学ぶクレジットリスク・モデリング

例

2020-06-22 2.59.56 PM のスクリーンショット.png

R で学ぶクレジットリスク・モデリング

例

2020-06-22 3.00.08 PM のスクリーンショット.png

  • この分割を用いたこのノードでの実際の非デフォルト数
R で学ぶクレジットリスク・モデリング

例

2020-06-22 3.00.20 PM のスクリーンショット.png

  • この分割を用いたこのノードでの実際のデフォルト数
R で学ぶクレジットリスク・モデリング

例

2020-06-22 2.59.25 PM のスクリーンショット.png

理想的なケース

R で学ぶクレジットリスク・モデリング

例

2020-06-22 3.00.48 PM のスクリーンショット.png

Gini = 2*prop(default)*prop(non-default)

Gini_R = 2*(250/500)*(250/500) = 0.5

Gini_N2 = 2*(80/230)*(150/230) = 0.4536

Gini_N1 = 2*(170/270)*(100/270) = 0.4664

R で学ぶクレジットリスク・モデリング

例

2020-06-22 3.00.48 PM のスクリーンショット.png

利得 (Gain)

= Gini_R - prop(N1の件数)*Gini_N1 - prop(N2の件数) * Gini_N2

= 0.5 - 270/500 * 0.4664 - 230/500 * 0.4536

= 0.039488

  • 最大利得
R で学ぶクレジットリスク・モデリング

練習しましょう！

R で学ぶクレジットリスク・モデリング

Preparing Video For Download...