Riepilogo: decisioni sui prestiti

Fa parte della sezione Apprendimento supervisionato del percorso Machine Learning di Coddy. Lezione 31 di 58.

Sfida

Medio

Ti ricordi il prestito agricolo promesso in questo capitolo? Un fondo di microprestiti vuole un albero che possa spiegare agli agricoltori. Il codice iniziale suddivide i prestiti passati.

Fai crescere gli alberi partendo dalla profondità 1 (random_state=0), stampando l'accuratezza di test di ciascuno. Fermati alla prima profondità che non dà risultati migliori di quella precedente.
Mantieni l'ultima profondità che ha migliorato i risultati: stampala insieme alle domande di quell'albero.
Stampa le sue due caratteristiche più importanti, come qui sotto.

Per un altro 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)

Provalo tu

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

# Microprestiti precedenti a piccole aziende agricole: 1 in repaid significa che il prestito è stato rimborsato per intero
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)

# Scrivi il tuo codice qui sotto