Construire des arbres de décision avec le paquet rpart()

Modélisation du risque de crédit en R

Lore Dirick

Manager of Data Science Curriculum at Flatiron School

Imaginez…

Arbre de décision animé

Difficile d'obtenir un bel arbre de décision pour les données de risque de crédit
Raison principale : données déséquilibrées

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

Sous-échantillonnage ou suréchantillonnage
- Le problème de justesse disparaît
- Seulement sur l'ensemble d'entraînement
Modifier les probabilités a priori
Inclure une matrice de pertes

Validez le modèle pour voir ce qui fonctionne le mieux !

Modélisation du risque de crédit en R