Gradient boosted trees: vizualizace

Teď máš k dispozici predikce modelu – a přirozeně tě zajímá, jak jsou přesné. Existuje mnoho grafů, které ti pomůžou vyhodnotit kvalitu predikcí. Tady se podíváš na dva nejběžnější. Nejprve je užitečné nakreslit bodový graf predikovaných hodnot oproti skutečným hodnotám, abys viděl/a, jak si navzájem odpovídají. Zadruhé by residua měla zhruba odpovídat normálnímu rozdělení, takže se hodí nakreslit graf hustoty residuí. Výsledné grafy by měly vypadat přibližně takto.

Scatterplot of predicted response vs. actual response and density plot of distribution of residuals side by side.

V tomto cvičení se naučíš sám/sama vypočítat residua (predikované hodnoty minus skutečné hodnoty) ze svých predikcí modelu.

Toto cvičení je součástí kurzu

Úvod do Sparku se sparklyr v R

Zobrazit kurz

Pokyny k cvičení

Lokální tibble responses obsahující predikované a skutečné roky je předem připravený.

Nakresli bodový graf predikovaných hodnot oproti skutečným hodnotám.
- Zavolej ggplot().
- Prvním argumentem je datová sada responses.
- Druhým argumentem mají být názvy sloupců pro osy x a y bez uvozovek (actual a predicted), zabalené do aes().
- Přidej body voláním geom_point().
- Nastav částečnou průhlednost bodů pomocí alpha = 0.1.
- Přidej referenční čáru voláním geom_abline() s argumenty intercept = 0 a slope = 1.
Vytvoř tibble residuí s názvem residuals.
- Zavolej transmute() na responses.
- Nový sloupec pojmenuj residual.
- residual má být roven predikované hodnotě minus skutečná hodnota.
Nakresli graf hustoty residuí.
- Pošli transformovaný tibble rourou do ggplot().
- ggplot() potřebuje jedinou estetiku – residual zabalený do aes().
- Přidej křivku hustoty pravděpodobnosti voláním geom_density().
- Přidej svislou referenční čáru procházející nulou voláním geom_vline() s xintercept = 0.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# responses has been pre-defined
responses

# Draw a scatterplot of predicted vs. actual
ggplot(___, aes(___, ___)) +
  # Add the points
  ___ +
  # Add a line at actual = predicted
  ___

residuals <- responses %>%
  # Transmute response data to residuals
  ___

# Draw a density plot of residuals
ggplot(___, aes(___)) +
    # Add a density curve
    ___ +
    # Add a vertical line through zero
    ___

Upravit a spustit kód