शुरू करेंमुफ़्त में शुरू करें

xgboost बाइक रेंटल मॉडल को विज़ुअलाइज़ करें

अब तक आपने बाइक रेंटल डेटा को मॉडल करने के तीन अलग-अलग तरीके देख लिए हैं। इस उदाहरण में, आपने देखा कि gradient boosting मॉडल का RMSE सबसे छोटा था। कोर्स को समेटते हुए, आइए समय के साथ gradient boosting मॉडल की भविष्यवाणियों को बाकी दो मॉडलों से तुलना करें।

यह अभ्यास पूरा करने पर आप कोर्स पूरा कर लेंगे। बधाई! अब आपके पास अपने रिग्रेशन कार्यों पर अलग-अलग तरीकों को लागू करने के लिए ज़रूरी टूल्स हैं।

भविष्यवाणियों वाला डेटा फ़्रेम bikesAugust पहले से लोड है। प्लॉट्स quasipoisson_plot और randomforest_plot भी उपलब्ध हैं।

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Supervised Learning: Regression

पाठ्यक्रम देखें

अभ्यास निर्देश

  • quasipoisson_plot प्रिंट करें ताकि quasipoisson मॉडल के व्यवहार की समीक्षा कर सकें।
  • randomforest_plot प्रिंट करें ताकि random forest मॉडल के व्यवहार की समीक्षा कर सकें।
  • खाली जगहें भरें ताकि gradient boosting की भविष्यवाणियाँ और वास्तविक काउंट्स को अगस्त के पहले 14 दिनों के लिए प्रति घंटे प्लॉट किया जा सके।
    • cnt और gbm कॉलम नामों को pivot_longer() करके एक key valuetype और एक वैल्यू कॉलम value में बदलें।
    • instant (day) के फ़ंक्शन के रूप में value प्लॉट करें।

gradient boosting मॉडल पिछली मॉडलों की तुलना में कैसा है?

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Print quasipoisson_plot
___

# Print randomforest_plot
___

# Plot predictions and actual bike rentals as a function of time (days)
bikesAugust %>% 
  mutate(instant = (instant - min(instant))/24) %>%  # set start to 0, convert unit to days
  filter(instant < 14) %>% # first two weeks
  pivot_longer(c(___, ___), names_to = ___, values_to = ___) %>%
  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, Gradient Boosting model")
कोड संपादित करें और चलाएँ