Repaso: decisiones de préstamos

Parte de la sección Aprendizaje supervisado del Journey de Machine Learning de Coddy. Lección 31 de 58.

Desafío

Intermedio

¿Recuerdas el préstamo agrícola que prometía este capítulo? Un fondo de micropréstamos quiere un árbol que pueda explicar a los agricultores. El código inicial divide sus préstamos anteriores.

Haz crecer árboles empezando por la profundidad 1 (random_state=0) e imprime la precisión de prueba de cada uno. Detente en la primera profundidad que no supere a la anterior.
Conserva la última profundidad que mejoró: imprímela y muestra las preguntas de ese árbol.
Imprime sus dos características más importantes, como se muestra a continuación.

Para otro fondo:

Depth 1: test accuracy 0.650
Depth 2: test accuracy 0.850
Depth 3: test accuracy 0.833
Keep depth 2
|--- savings_usd <= 154.50
|   |--- earlier_loans <= 0.50
|   |   |--- class: 0
|   |--- earlier_loans >  0.50
|   |   |--- class: 1
|--- savings_usd >  154.50
|   |--- earlier_loans <= 0.50
|   |   |--- class: 1
|   |--- earlier_loans >  0.50
|   |   |--- class: 1

Most important: savings_usd (0.563)
Next: earlier_loans (0.437)

Pruébalo tú mismo

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier, export_text

# Microcréditos anteriores a pequeñas explotaciones agrícolas: 1 en repaid significa que el préstamo se devolvió por completo
loans = pd.read_csv("loans.csv")
features = ["amount_usd", "income_usd", "years_farming", "earlier_loans", "savings_usd", "group_size"]
X_train, X_test, y_train, y_test = train_test_split(loans[features], loans["repaid"], test_size=0.25, random_state=0)

# Escribe tu código a continuación