1. 案例定位

實作練習。

2. 學習目標

以分類問題練習訓練/測試切分與決策樹評估。

3. 案例情境

銀行希望依過去客戶模式辨識高風險客戶,再預測新客戶的信用狀況。

4. 開始資料

原書設定 數值/內容
總案例數 425
變數 15
訓練資料 400 個案例
測試資料 25 個案例
目標 信用狀況:良好/不良

5. 分析方法

以 400 個案例訓練決策樹,保留 25 個案例測試;報告模型、訓練參數與測試表現。

6. 計算結果

原書未在正文附 CreditRisk.xlsx 的 425 筆完整資料,因此不能在此產生模型結果。

7. 結果分析與管理解讀

本練習的教學重點是把訓練與測試分開,並記錄模型規格與表現,而非只產生一棵樹。

8. 人工智慧提問詞

根據已提供的 CreditRisk.xlsx 欄位與 425 個案例,規劃 400/25 的訓練—測試流程;若檔案未提供,不得生成模型準確率。

9. 思考/假設情境

問題: 若 25 個測試案例表現很差,是否應直接部署?

參考解答: 不應只依 訓練結果部署;需重新檢查資料、模型、參數與泛化能力。

10. 資料說明