Sestavení modelu random forest pro půjčování kol

V tomto cvičení opět sestavíš model pro předpověď počtu půjčených kol za hodinu v závislosti na počasí, typu dne (svátek, pracovní den nebo víkend) a denní době. Model natrénuješ na datech z července.

K natrénování modelu random forest použiješ balíček ranger. Klíčové argumenty funkce ranger() (docs) jsou:

formula
data
num.trees: počet stromů v lese.
respect.unordered.factors: určuje, jak se má zacházet s neuspořádanými faktory. Pro regresi doporučujeme nastavit na "order".
seed: protože jde o náhodný algoritmus, nastavíš seed pro zajištění reprodukovatelných výsledků

Protože je vstupních proměnných hodně, pro přehlednost zadáme cílovou proměnnou a vstupy do proměnných outcome a vars a pomocí paste() (docs) sestavíme řetězec reprezentující vzorec modelu.

Dataframe bikesJuly je už načtený. Ukázkový kód obsahuje názvy cílové a vstupních proměnných.

Toto cvičení je součástí kurzu

Supervised Learning in R: Regression

Zobrazit kurz

Pokyny k cvičení

Doplň prázdná místa a vytvoř vzorec fmla vyjadřující cnt jako funkci vstupů. Vypiš ho.
Načti balíček ranger.
Pomocí ranger natrénuj model na datech bikesJuly: bike_model_rf.
- Prvním argumentem funkce ranger() je vzorec fmla.
- Použij 500 stromů a nastav respect.unordered.factors = "order".
- Nastav seed na hodnotu seed pro reprodukovatelné výsledky.
- Vypiš model. Jaká je hodnota R-squared?

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# bikesJuly is available
str(bikesJuly)

# Random seed to reproduce results
seed

# The outcome column
(outcome <- "cnt")

# The input variables
(vars <- c("hr", "holiday", "workingday", "weathersit", "temp", "atemp", "hum", "windspeed"))

# Create the formula string for bikes rented as a function of the inputs
(fmla <- paste(___, "~", paste(___, collapse = " + ")))

# Load the package ranger
___

# Fit and print the random forest model
(bike_model_rf <- ranger(___, # formula 
                         ___, # data
                         num.trees = ___, 
                         respect.unordered.factors = ___, 
                         seed = ___))

Upravit a spustit kód