1. 学ぶ
    2. /
  2. コース
    3. /
  3. R による Supervised Learning：回帰
Connected

演習

xgboost の自転車レンタルモデルを可視化する

ここまでで自転車レンタルデータを3通りの方法でモデリングしてきました。この例では、勾配ブースティングモデルが最も小さい RMSE となりました。コースの締めくくりとして、勾配ブースティングモデルの予測を、他の2つのモデルと時間の関数として比較してみましょう。

この演習を終えると、コース修了です。おめでとうございます！ これで回帰タスクにさまざまな手法を適用するための道具がそろいました。

予測付きのデータフレーム bikesAugust はあらかじめ読み込まれています。プロット quasipoisson_plot と randomforest_plot も利用できます。

指示

100 XP
  • quasipoisson_plot を表示して、quasipoisson モデルの挙動を確認します。
  • randomforest_plot を表示して、random forest モデルの挙動を確認します。
  • 空所を埋めて、8月前半14日間について、勾配ブースティングの予測値と実測カウントを時間別にプロットします。
    • cnt と gbm の列名を、キーを valuetype、値の列名を value として pivot_longer() します。
    • instant（日）に対する value をプロットします。

勾配ブースティングモデルは、これまでのモデルと比べてどのように見えますか？