Random Forest: visualisasi

Sekarang Anda perlu memvisualisasikan prediksi. Dengan model gradient boosted trees, Anda membuat scatter plot antara respons terprediksi vs. respons aktual, serta plot kepadatan dari residual. Kini Anda akan menyesuaikan plot tersebut untuk menampilkan hasil dari kedua model sekaligus.

Latihan ini merupakan bagian dari kursus

Pengantar Spark dengan sparklyr di R

Lihat Kursus

Instruksi latihan

Sebuah tibble lokal both_responses, yang berisi tahun terprediksi dan aktual untuk kedua model, telah didefinisikan sebelumnya.

Perbarui scatter plot respons terprediksi vs. aktual.
- Gunakan himpunan data both_responses.
- Tambahkan estetika warna untuk menggambar tiap model dengan warna berbeda. Gunakan color = model.
- Alih-alih menggambar titik, gunakan geom_smooth() untuk menggambar kurva mulus untuk tiap model.
Buat sebuah tibble residual, bernama residuals.
- Panggil mutate() pada both_responses.
- Kolom baru harus bernama residual.
- residual harus sama dengan respons terprediksi dikurangi respons aktual.
Perbarui plot kepadatan residual.
- Tambahkan estetika warna untuk menggambar tiap model dengan warna berbeda.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# both_responses has been pre-defined
both_responses

# Draw a scatterplot of predicted vs. actual
ggplot(___, aes(actual, predicted, ___)) +
  # Add a smoothed line
  ___ +
  # Add a line at actual = predicted
  geom_abline(intercept = 0, slope = 1)

# Create a tibble of residuals
residuals <- ___

# Draw a density plot of residuals
ggplot(residuals, aes(residual, ___)) +
    # Add a density curve
    geom_density() +
    # Add a vertical line through zero
    geom_vline(xintercept = 0)

Edit dan Jalankan Kode