Visualiser les prédictions du modèle de forêt aléatoire pour les vélos

Dans l'exercice précédent, vous avez vu que le modèle de forêt aléatoire pour les vélos s'en sortait mieux que le modèle quasipoisson sur les données d'août, selon la RMSE.

Dans cet exercice, vous allez visualiser les prédictions du modèle de forêt aléatoire pour le mois d'août en fonction du temps. Le graphique correspondant du modèle quasipoisson que vous avez construit dans un exercice précédent est disponible pour comparaison.

Rappelez-vous que le modèle quasipoisson a surtout identifié le rythme des heures calmes et achalandées dans la journée, mais a quelque peu sous-estimé les pointes de demande. Vous voulez voir comment se compare le modèle de forêt aléatoire.

La trame de données bikesAugust (avec les prédictions) est mise à votre disposition. Le graphique quasipoisson_plot des prédictions du modèle quasipoisson en fonction du temps est affiché.

Cette activité fait partie du cours

Apprentissage supervisé en R : régression

Voir le cours

Instructions de l’exercice

Remplissez les espaces vides pour tracer les prédictions et les comptes réels par heure pour les 14 premiers jours d'août.
- Appliquez pivot_longer aux colonnes cnt et pred dans une colonne appelée value, avec une clé appelée valuetype.
- Tracez value en fonction de instant (jour).

Comment le modèle de forêt aléatoire se compare-t-il ?

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

first_two_weeks <- bikesAugust %>%
  mutate(rf = bike_outcomesAugust$rf) %>%
  # Set start to 0, convert unit to days
  mutate(instant = (instant - min(instant)) / 24) %>% 
  # Filter for rows in the first two weeks
  filter(instant < 14) 
  # collect cnt and pred into a column named value with key valuetype
  pivot_longer(c('cnt', 'rf'), names_to = '___', values_to = '___')

# Plot predictions and cnt by date/time 
ggplot(___, aes(x = ___, y = ___, color = valuetype, linetype = valuetype)) + 
  geom_point() + 
  geom_line() + 
  scale_x_continuous("Day", breaks = 0:14, labels = 0:14) + 
  scale_color_brewer(palette = "Dark2") + 
  ggtitle("Predicted August bike rentals, Random Forest plot")

Modifier et exécuter le code