其他树参数与混淆矩阵的构建

R 中的信用风险建模

Lore Dirick

Manager of Data Science Curriculum at Flatiron School

`rpart()` 的其他重要参数

在 rpart() 中
- weights：加入样本权重
在 rpart() 的控制参数（rpart.control）中
- minsplit：尝试分裂所需的最小观测数
- minbucket：叶节点的最小观测数

pred_undersample_class = predict(ptree_undersample, newdata = test_set, type ="class")

1     2     3    ...   29073 29079 29084 29090 29091
0     0     0    ...     1     0     0     0     0

或

pred_undersample = predict(ptree_undersample, newdata = test_set)

          0         1
1     0.7382920 0.2617080
2     0.5665138 0.4334862
3     0.5992366 0.4007634
          ...          ... 
29084 0.7382920 0.2617080
29090 0.7382920 0.2617080
29091 0.7382920 0.2617080

构建混淆矩阵

table(test_set$loan_status, pred_undersample_class)

pred_undersample_class
       0    1
  0 8314  346
  1  964   73

让我们来练习！

R 中的信用风险建模