Przycinanie drzewa decyzyjnego

Modelowanie ryzyka kredytowego w R

Lore Dirick

Manager of Data Science Curriculum at Flatiron School

Problemy z dużymi drzewami decyzyjnymi

Zbyt złożone: trudne do interpretacji
Przeuczenie przy zastosowaniu do zbioru testowego
Rozwiązanie: printcp(), plotcp() do przycinania

printcp() i tree_undersample

printcp(tree_undersample)

Classification tree:
rpart(formula = loan_status ~ ., data = undersampled_training_set, method = "class",
 control = rpart.control(cp = 0.001))
Variables actually used in tree construction:
age    annual_inc     emp_cat     grade    home_ownership   ir_cat     loan_amnt     
Root node error: 2190/6570 = 0.33333
n= 6570 
        CP    nsplit  rel error   xerror      xstd
1  0.0059361      0    1.00000   1.00000   0.017447
2  0.0044140      4    0.97443   0.99909   0.017443
3  0.0036530      7    0.96119   0.98174   0.017366
4  0.0031963      8    0.95753   0.98904   0.017399
               ...  
16 0.0010654     76    0.84247   1.02511   0.017554
17 0.0010000     79    0.83927   1.02511   0.017554

plotcp() i tree_undersample

Wykres plotcp dla tree_undersample

plotcp() i tree_undersample

Wykres plotcp z zaznaczonym optymalnym CP

$CP = 0.003653$

Wykres przyciętego drzewa

ptree_undersample=prune(tree_undersample,
                        cp = 0.003653)

plot(ptree_undersample,
     uniform=TRUE)

text(ptree_undersample)

Wykres przyciętego drzewa

Wykres przyciętego drzewa z liczbami obserwacji

ptree_undersample=prune(tree_undersample,
                        cp = 0.003653)

plot(ptree_undersample,
     uniform=TRUE)

text(ptree_undersample,
     use.n=TRUE)

prp() z pakietu rpart.plot

Wykres przyciętego drzewa z użyciem prp()

library(rpart.plot)
prp(ptree_undersample)

prp() z pakietu rpart.plot

Wykres przyciętego drzewa z extra = 1

library(rpart.plot)
prp(ptree_undersample, extra = 1)

Czas na ćwiczenia!

Modelowanie ryzyka kredytowego w R