Random Forest : visualisation

Vous devez maintenant tracer les prédictions. Avec le modèle d'arbres à gradient boosting, vous avez produit un nuage de points des réponses prédites par rapport aux réponses réelles, ainsi qu'un diagramme de densité des résidus. Vous allez maintenant adapter ces graphiques pour afficher les résultats des deux modèles en même temps.

Cette activité fait partie du cours

Introduction à Spark avec sparklyr en R

Voir le cours

Instructions de l’exercice

Un tibble local both_responses, qui contient les années prédites et réelles pour les deux modèles, a été pré-défini.

Mettez à jour le nuage de points « prédite vs réelle ».
- Utilisez l'ensemble de données both_responses.
- Ajoutez une esthétique de couleur pour tracer chaque modèle dans une couleur différente. Utilisez color = model.
- Plutôt que de tracer les points, utilisez geom_smooth() pour dessiner une courbe lissée pour chaque modèle.
Créez un tibble de résidus nommé residuals.
- Appelez mutate() sur both_responses.
- La nouvelle colonne doit s'appeler residual.
- residual doit être égal à la réponse prédite moins la réponse réelle.
Mettez à jour le diagramme de densité des résidus.
- Ajoutez une esthétique de couleur pour tracer chaque modèle dans une couleur différente.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# both_responses has been pre-defined
both_responses

# Draw a scatterplot of predicted vs. actual
ggplot(___, aes(actual, predicted, ___)) +
  # Add a smoothed line
  ___ +
  # Add a line at actual = predicted
  geom_abline(intercept = 0, slope = 1)

# Create a tibble of residuals
residuals <- ___

# Draw a density plot of residuals
ggplot(residuals, aes(residual, ___)) +
    # Add a density curve
    geom_density() +
    # Add a vertical line through zero
    geom_vline(xintercept = 0)

Modifier et exécuter le code