无意间看到data flow上的一个常用的数据集，于是就下了下来，这是一个关于银行客户违约的数据集，这正好让我有了对C5.0实践的一个想法。
这个数据集中的字段：账户余额，工作年限，贷款/收入比，居住年限，年龄，其他信用记录，房产，现有贷款账户，工作类型，受抚养人，电话，违约情况
下面说一下大体做法
‘’ set.seed(1024)#建立种子点
‘’ credit_sample <- credit[order(runif(1000)), ]#抽取1000条作为样本
‘’ train <- credit_sample[1:900, ]#按照1：9的比例设立训练集
‘’ test <- credit_sample[901:1000, ]#建立测试集
‘’ library(C50)
‘’ credit_model <- C5.0(train[-17], train$default)#建立C50模型
‘’ credit_pred <- predict(credit_model, test)#运用测试集来预测结果
具体结果是酱紫：
‘’ Total Observations in Table: 100
‘’
‘’
‘’ | predicted default
‘’ acutal default | no | yes | Row Total |
‘’ —————|———–|———–|———–|
‘’ no | 57 | 11 | 68 |
‘’ | 0.570 | 0.110 | |
‘’ —————|———–|———–|———–|
‘’ yes | 16 | 16 | 32 |
‘’ | 0.160 | 0.160 | |
‘’ —————|———–|———–|———–|
‘’ Column Total | 73 | 27 | 100 |
‘’ —————|———–|———–|———–|
可以看到应用到测试集，该模型正确率73%，只识别了实际违约贷款32人中的50%，显然不够理想。
在后期，对于决策树是可以用剪枝来进行修缮的，对于提高准确率，可以运用bagging、boosting和随机森林，特别的可以运用悲观剪枝法来提高模型的准确率，这是一种后剪枝的方法。