Random Forest: Vorhersage

Jetzt sollst du mit deinem Random-Forest-Modell Vorhersagen erstellen. Die Syntax ist dieselbe wie beim Modell mit Gradient Boosted Trees.

Diese Übung ist Teil des Kurses

Einführung in Spark mit sparklyr in R

Kurs anzeigen

Anleitung zur Übung

Eine Spark-Verbindung wurde für dich als spark_conn erstellt. Tibbles, die mit den in Spark gespeicherten Trainings- bzw. Testdatensätzen verknüpft sind, wurden als track_data_to_model_tbl bzw. track_data_to_predict_tbl vordefiniert. Das Random-Forest-Modell wurde als random_forest_model vordefiniert.

Definiere eine Variable predicted, die die Vorhersagen des Modells für unsere Testdaten enthält.
- Rufe ml_predict() mit dem Modell und den Testdaten als Argumenten auf. Diese Funktion erzeugt Vorhersagen für den Testdatensatz und fügt sie als neue Spalte mit dem Namen prediction hinzu.
Definiere die Variable responses, um die Daten darauf vorzubereiten, vorhergesagte mit tatsächlichen Antworten zu vergleichen:
- Wähle die Zielspalte year aus.
- Sammle die Ergebnisse.
- Verwende mutate(), um die in predicted erzeugten Vorhersagen hinzuzufügen.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Training, testing sets & model are pre-defined
track_data_to_model_tbl
track_data_to_predict_tbl
random_forest_model

# Predict the responses for the testing data
predicted <- ml_predict(
      ___,
      ___) %>% pull(prediction)

# Create a response vs. actual dataset
responses <- ___

Code bearbeiten und ausführen