Ein anspruchsvolleres Standortmodell

Der Datensatz locations erfasst Bretts Standort jede Stunde über 13 Wochen. Zu jeder Stunde enthält die Tracking-Information sowohl den daytype (Wochenende oder Wochentag) als auch den hourtype (Morgen, Nachmittag, Abend oder Nacht).

Mit diesen Daten baue ein anspruchsvolleres Modell, um zu sehen, wie sich Bretts vorhergesagter Standort nicht nur nach dem Wochentag, sondern auch nach der Tageszeit unterscheidet. Der Datensatz locations ist bereits in deinem Workspace geladen.

Du kannst zusätzliche unabhängige Variablen in deiner Formel mit dem +-Zeichen angeben (z. B. y ~ x + b).

Das Paket naivebayes wurde bereits geladen.

Diese Übung ist Teil des Kurses

<Kurs>Überwachtes Lernen in R: Klassifikation</Kurs>

Kurs ansehen

Übungsanweisungen

Verwende die R-Formel-Schnittstelle, um ein Modell zu erstellen, bei dem location sowohl von daytype als auch von hourtype abhängt. Denk daran, dass die Funktion naive_bayes() zwei Argumente erwartet: formula und data.
Sage Bretts Standort an einem Wochentagnachmittag mit dem Data Frame weekday_afternoon und der Funktion predict() voraus.
Mach dasselbe für ein weekday_evening.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Build a NB model of location
locmodel <- ___

# Predict Brett's location on a weekday afternoon
___

# Predict Brett's location on a weekday evening
___

Code bearbeiten und ausführen