סיכום: החלטות בנושא הלוואות

חלק מהיחידה למידה מונחית במסלול ה-Machine Learning של Coddy. שיעור 31 מתוך 58.

אתגר

בינוני

זוכרים את הלוואת החווה שהובטחה בפרק הזה? קרן מיקרו־הלוואות רוצה עץ שאפשר להסביר לחקלאים. קוד הפתיחה מפצל את ההלוואות הקודמות שלה.

בנו עצים מעומק 1 ומעלה (random_state=0), והדפיסו את דיוק הבדיקה של כל אחד מהם. עצרו בעומק הראשון שאינו טוב יותר מהעומק הקודם.
שמרו את העומק האחרון שהשתפר: הדפיסו אותו ואת השאלות של העץ הזה.
הדפיסו את שתי התכונות החשובות ביותר שלו, כמו בדוגמה שלמטה.

עבור קרן אחרת:

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)

נסו בעצמכם

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

# הלוואות זעירות שניתנו בעבר למשקים חקלאיים קטנים: 1 ב-repaid פירושו שההלוואה הוחזרה במלואה
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)

# כתבו את הקוד שלכם למטה