शुरू करेंमुफ़्त में शुरू करें

बाइक रेंटल के लिए एक रैंडम फॉरेस्ट मॉडल बनाइए

इस अभ्यास में, आप फिर से एक मॉडल बनाएँगे जो मौसम, दिन के प्रकार (छुट्टी, कार्यदिवस, या सप्ताहांत) और दिन के समय के आधार पर प्रति घंटे किराए पर ली गई बाइक्स की संख्या का अनुमान लगाएगा। आप मॉडल को जुलाई महीने के डेटा पर प्रशिक्षित करेंगे.

आप रैंडम फॉरेस्ट मॉडल फिट करने के लिए ranger पैकेज का उपयोग करेंगे। इस अभ्यास में, ranger() (docs) कॉल के मुख्य आर्ग्युमेंट हैं:

  • formula
  • data
  • num.trees: फॉरेस्ट में पेड़ों की संख्या।
  • respect.unordered.factors: अनऑर्डर्ड फैक्टर वैरिएबल्स को कैसे ट्रीट किया जाए, यह बताता है। रिग्रेशन के लिए इसे "order" पर सेट करने की सलाह है।
  • seed: क्योंकि यह एक रैंडम एल्गोरिदम है, दोहराने योग्य परिणामों के लिए आप seed सेट करेंगे।

क्योंकि इनपुट वैरिएबल्स काफी हैं, सुविधा के लिए हम outcome और inputs को outcome और vars वैरिएबल्स में निर्दिष्ट करेंगे, और मॉडल की फॉर्मूला स्ट्रिंग बनाने के लिए paste() (docs) का उपयोग करेंगे.

डेटा फ्रेम bikesJuly पहले से लोड है। सैंपल कोड में outcome और input वैरिएबल्स के नाम दिए गए हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Supervised Learning: Regression

पाठ्यक्रम देखें

अभ्यास निर्देश

  • खाली जगह भरकर fmla फॉर्मूला बनाएँ, जो cnt को इनपुट्स के फ़ंक्शन के रूप में व्यक्त करे। इसे प्रिंट करें.
  • ranger पैकेज लोड करें.
  • ranger का उपयोग करके bikesJuly डेटा पर मॉडल फिट करें: bike_model_rf.
    • ranger() का पहला आर्ग्युमेंट फॉर्मूला fmla है.
    • 500 पेड़ (trees) उपयोग करें और respect.unordered.factors = "order" सेट करें.
    • दोहराने योग्य परिणामों के लिए seed को seed पर सेट करें.
    • मॉडल प्रिंट करें। R-squared कितना है?

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# bikesJuly is available
str(bikesJuly)

# Random seed to reproduce results
seed

# The outcome column
(outcome <- "cnt")

# The input variables
(vars <- c("hr", "holiday", "workingday", "weathersit", "temp", "atemp", "hum", "windspeed"))

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

# Load the package ranger
___

# Fit and print the random forest model
(bike_model_rf <- ranger(___, # formula 
                         ___, # data
                         num.trees = ___, 
                         respect.unordered.factors = ___, 
                         seed = ___))
कोड संपादित करें और चलाएँ