Ringkasan: Keputusan Pinjaman

Termasuk bagian Pembelajaran Terawasi dalam perjalanan Machine Learning di Coddy. Pelajaran 31 dari 58.

Tantangan

Sedang

Ingat pinjaman pertanian yang dijanjikan bab ini? Dana pinjaman mikro menginginkan pohon keputusan yang dapat dijelaskan kepada para petani. Kode awal membagi pinjaman masa lalunya.

Kembangkan pohon mulai dari kedalaman 1 ke atas (random_state=0), dengan mencetak setiap akurasi pengujian. Berhenti pada kedalaman pertama yang hasilnya tidak lebih baik daripada kedalaman sebelumnya.
Pertahankan kedalaman terakhir yang mengalami peningkatan: cetak kedalaman tersebut dan pertanyaan-pertanyaan pohonnya.
Cetak dua fitur terpentingnya, seperti di bawah ini.

Untuk dana lain:

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)

Coba sendiri

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

# Pinjaman mikro sebelumnya untuk usaha tani kecil: 1 pada repaid berarti pinjaman telah dilunasi sepenuhnya
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)

# Tulis kodemu di bawah ini