Predikce půjček kol pomocí modelu náhodného lesa

V tomto cvičení použiješ model natrénovaný v předchozím cvičení k predikci půjček kol za měsíc srpen.

Funkce predict() (docs) pro model typu ranger vrací seznam. Jedním z jeho prvků je predictions – vektor predikovaných hodnot. K prvku predictions se dostaneš pomocí notace $ pro přístup k pojmenovaným prvkům seznamu:

predict(model, data)$predictions

Model bike_model_rf a dataset bikesAugust (pro vyhodnocení) jsou již načteny.

Toto cvičení je součástí kurzu

Supervised Learning in R: Regression

Zobrazit kurz

Pokyny k cvičení

Zavolej funkci predict() na datasetu bikesAugust, abys predikoval/a počet půjčených kol v srpnu (cnt). Přidej predikce do bikesAugust jako sloupec pred.
Doplň chybějící části kódu pro výpočet střední kvadratické chyby (RMSE) predikcí.
- Poissonův model, který jsi pro tato data sestavil/a, dosáhl RMSE přibližně 112,6. Jak si vede tento model v porovnání s ním?
Doplň chybějící části kódu pro vykreslení skutečných počtů půjčených kol (cnt) oproti predikcím (osa x: pred).

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# bikesAugust is available
str(bikesAugust)

# bike_model_rf is available
bike_model_rf

# Make predictions on the August data
bikesAugust$pred <- ___(___, ___)$___

# Calculate the RMSE of the predictions
bikesAugust %>% 
  mutate(residual = ___)  %>% # calculate the residual
  summarize(rmse  = ___)      # calculate rmse

# Plot actual outcome vs predictions (predictions on x-axis)
ggplot(bikesAugust, aes(x = ___, y = ___)) + 
  geom_point() + 
  geom_abline()

Upravit a spustit kód