Gradient boosted trees: prediksi

Setelah Anda menjalankan model, langkah berikutnya adalah membuat prediksi dengannya. Berbeda dengan base R yang menggunakan fungsi predict() untuk membuat prediksi, sparklyr menggunakan fungsi ml_predict(). ml_predict() menerima dua argumen: sebuah model, dan beberapa data pengujian.

ml_predict(a_model, testing_data)

Kasus penggunaan umum adalah membandingkan respons terprediksi dengan respons aktual, yang dapat Anda visualisasikan di R. Pola kode untuk menyiapkan data ini adalah sebagai berikut. Perhatikan bahwa saat ini penambahan kolom prediksi harus dilakukan secara lokal, sehingga Anda harus melakukan collect hasilnya terlebih dahulu.

predicted_vs_actual <- testing_data %>%
  select(actual) %>%
  collect() %>%
  mutate(predicted)

Latihan ini merupakan bagian dari kursus

Pengantar Spark dengan sparklyr di R

Lihat Kursus

Instruksi latihan

Sambungan Spark telah dibuat untuk Anda sebagai spark_conn. Tibble yang terhubung ke himpunan data pelatihan dan pengujian yang disimpan di Spark telah didefinisikan sebelumnya sebagai track_data_to_model_tbl dan track_data_to_predict_tbl. Model gradient boosted trees telah didefinisikan sebelumnya sebagai gradient_boosted_trees_model.

Definisikan variabel predicted yang berisi prediksi model untuk data pengujian kita.
- Panggil ml_predict() dengan model dan data pengujian sebagai argumen. Fungsi ini akan menghasilkan prediksi untuk himpunan data pengujian dan menambahkannya sebagai kolom baru bernama prediction.
- Dengan menggunakan pull(), kita dapat mengekstrak kolom ini dan menetapkannya ke predicted.
Definisikan variabel responses untuk menyiapkan data dalam membandingkan respons terprediksi dengan respons aktual:
- Pilih kolom respons year.
- Kumpulkan hasilnya (collect).
- Gunakan mutate() untuk menambahkan prediksi yang disimpan di predicted.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Training, testing sets & model are pre-defined
track_data_to_model_tbl
track_data_to_predict_tbl
gradient_boosted_trees_model

# Predict the responses for the testing data
predicted <- ___(
      ___,
      ___) %>% pull(prediction)

# Prepare the data for comparing predicted responses with actual responses
responses <- track_data_to_predict_tbl %>%
  # Select the response column
  ___ %>%
  # Collect the results
  ___ %>%
  # Add in the predictions
  mutate(___)

Edit dan Jalankan Kode