शुरू करेंमुफ़्त में शुरू करें

Bike rental counts की भविष्यवाणी के लिए मॉडल फिट करें

इस अभ्यास में, आप मौसम, दिन के प्रकार (छुट्टी, कार्यदिवस, या सप्ताहांत) और दिन के समय के आधार पर एक घंटे में किराए पर ली गई बाइक्स की संख्या की भविष्यवाणी करने के लिए एक मॉडल बनाएँगे. आप मॉडल को जुलाई महीने के डेटा पर ट्रेन करेंगे.

डेटा फ्रेम में ये कॉलम हैं:

  • cnt: उस घंटे में किराए पर ली गई बाइक्स की संख्या (outcome)
  • hr: दिन का घंटा (0-23, एक factor के रूप में)
  • holiday: TRUE/FALSE
  • workingday: TRUE अगर न तो छुट्टी है और न ही सप्ताहांत, अन्यथा FALSE
  • weathersit: श्रेणीबद्ध, "Clear to partly cloudy"/"Light Precipitation"/"Misty"
  • temp: Celsius में normalized temperature
  • atemp: Celsius में normalized "feeling" temperature
  • hum: normalized humidity
  • windspeed: normalized windspeed
  • instant: time index -- डेटासेट की शुरुआत से घंटे की संख्या (यह कोई वैरिएबल नहीं है)
  • mnth और yr: month और year के इंडेक्स (ये वैरिएबल नहीं हैं)

याद रखें कि count मॉडल फिट करने के लिए glm() (docs) का उपयोग करते समय आपको family = poisson या family = quasipoisson निर्धारित करना होगा.

क्योंकि इनपुट वैरिएबल काफ़ी अधिक हैं, सुविधा के लिए हम outcome और inputs को अलग वैरिएबल्स में निर्दिष्ट करेंगे, और paste() (docs) का उपयोग करके मॉडल फॉर्मूला को दर्शाने वाली एक string तैयार करेंगे.

उपयोग के लिए bikesJuly डेटा फ्रेम उपलब्ध है. outcome वैरिएबल और इनपुट वैरिएबल्स के नाम क्रमशः outcome और vars वैरिएबल्स के रूप में भी लोड किए गए हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Supervised Learning: Regression

पाठ्यक्रम देखें

अभ्यास निर्देश

  • खाली स्थान भरकर fmla फॉर्मूला बनाएँ जो cnt को इनपुट्स के फ़ंक्शन के रूप में व्यक्त करता हो. इसे प्रिंट करें.
  • bikesJuly$cnt का औसत (mean()) और variance (var()) निकालें.
    • क्या आपको poisson या quasipoisson regression का उपयोग करना चाहिए?
  • glm() का उपयोग करके bikesJuly डेटा पर एक मॉडल फिट करें: bike_model.
  • मॉडल के fit statistics देखने के लिए glance() का उपयोग करें. glance() के आउटपुट को perf वैरिएबल में असाइन करें.
  • मॉडल का pseudo-R-squared निकालें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# bikesJuly is available
str(bikesJuly)

# The outcome column
outcome 

# The inputs to use
vars 

# Create the formula string for bikes rented as a function of the inputs
(fmla <- paste(___, "~", paste(___, collapse = " + ")))

# Calculate the mean and variance of the outcome
(mean_bikes <- ___)
(var_bikes <- ___)

# Fit the model
bike_model <- ___

# Call glance
(perf <- ___)

# Calculate pseudo-R-squared
(pseudoR2 <- ___)
कोड संपादित करें और चलाएँ