Gradient boosted trees: visualization

अब जब आपके पास मॉडल की predictions हैं, तो स्वाभाविक है कि आप सोचें: "क्या ये ठीक हैं?". अपनी predictions की सटीकता जाँचने के लिए कई तरह के प्लॉट बनाए जा सकते हैं; यहाँ आप दो आम प्लॉट देखेंगे। सबसे पहले, predicted response और actual response का scatterplot बनाना अच्छा रहता है ताकि दोनों की तुलना दिखे। दूसरा, residuals आदर्श रूप से normal वितरण के क़रीब होने चाहिए, इसलिए residuals का density plot उपयोगी रहता है। प्लॉट कुछ इस तरह दिखेंगे।

Scatterplot of predicted response vs. actual response and density plot of distribution of residuals side by side.

इस अभ्यास में, आप अपने मॉडल की predictions के लिए residuals खुद निकालना सीखेंगे (predicted responses में से actual responses घटाकर)।

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में sparklyr के साथ Spark परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

एक local tibble responses, जिसमें predicted और actual years हैं, पहले से परिभाषित है।

predicted बनाम actual responses का एक scatterplot बनाएँ।
- ggplot() कॉल कीजिए।
- पहला argument dataset होगा, responses।
- दूसरा argument x और y axes के लिए unquoted कॉलम नाम (actual और predicted क्रमशः) होंगे, जिन्हें aes() में wrap करें।
- पॉइंट्स जोड़ने के लिए geom_point() कॉल जोड़ें।
- पॉइंट्स को आंशिक रूप से transparent बनाने के लिए alpha = 0.1 सेट करें।
- एक संदर्भ रेखा जोड़ने के लिए geom_abline() कॉल जोड़ें, intercept = 0 और slope = 1 के साथ।
residuals का एक tibble बनाएँ, नाम residuals।
- transmute() को responses पर कॉल करें।
- नया कॉलम residual कहलाएगा।
- residual predicted response माइनस actual response के बराबर होना चाहिए।
residuals का density plot बनाएँ।
- transmuted tibble को pipe करके ggplot() में भेजें।
- ggplot() को एक ही aesthetic चाहिए, residual, जिसे aes() में wrap करें।
- probability density curve जोड़ने के लिए geom_density() कॉल करें।
- zero पर एक vertical संदर्भ रेखा जोड़ने के लिए geom_vline() को xintercept = 0 के साथ कॉल करें।

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# responses has been pre-defined
responses

# Draw a scatterplot of predicted vs. actual
ggplot(___, aes(___, ___)) +
  # Add the points
  ___ +
  # Add a line at actual = predicted
  ___

residuals <- responses %>%
  # Transmute response data to residuals
  ___

# Draw a density plot of residuals
ggplot(___, aes(___)) +
    # Add a density curve
    ___ +
    # Add a vertical line through zero
    ___

कोड संपादित करें और चलाएँ