Predice alquileres de bicicletas con el modelo de random forest

En este ejercicio, usarás el modelo que ajustaste en el ejercicio anterior para predecir los alquileres de bicicletas del mes de agosto.

La función predict() (docs) para un modelo de ranger devuelve una lista. Uno de los elementos de esa lista es predictions, un vector con los valores predichos. Puedes acceder a predictions con la notación $ para acceder a elementos con nombre de una lista:

predict(model, data)$predictions

El modelo bike_model_rf y el conjunto de datos bikesAugust (para evaluación) ya están precargados.

Este ejercicio forma parte del curso

Aprendizaje supervisado en R: Regresión

Ver curso

Instrucciones del ejercicio

Llama a predict() sobre bikesAugust para predecir el número de bicicletas alquiladas en agosto (cnt). Añade las predicciones a bikesAugust como la columna pred.
Rellena los espacios en blanco para calcular la raíz del error cuadrático medio de las predicciones.
- El modelo de Poisson que construiste para estos datos dio un RMSE de aproximadamente 112.6. ¿Cómo se compara este modelo?
Rellena los espacios en blanco para trazar los conteos reales de alquileres (cnt) frente a las predicciones (pred en el eje x).

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# 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()

Editar y ejecutar código