自転車レンタルのためのランダムフォレストモデルを構築する

この演習では、天気、曜日の種類（祝日・平日・週末）、そして時間帯に基づいて、1時間あたりにレンタルされる自転車の台数を予測するモデルを再び構築します。7月のデータでモデルを学習します。

ランダムフォレストモデルの学習には ranger パッケージを使います。この演習での ranger()（docs）呼び出しの主な引数は次のとおりです。

formula
data
num.trees: フォレスト中の木の本数。
respect.unordered.factors : 順序なし因子変数の扱いを指定します。回帰では "order" に設定することを推奨します。
seed: ランダム性のあるアルゴリズムなので、再現可能な結果のためにシードを設定します。

入力変数が多いため、便宜上、目的変数と説明変数の指定を outcome と vars にまとめ、paste()（docs）を使ってモデルの式を表す文字列を組み立てます。

データフレーム bikesJuly はあらかじめ読み込まれています。サンプルコードは目的変数と入力変数の名前を指定しています。

空欄を埋めて、入力変数の関数として cnt を表す式 fmla を作成し、出力してください。
パッケージ ranger を読み込みます。
ranger を使って bikesJuly データにモデル bike_model_rf を当てはめます。
- ranger() の最初の引数は式 fmla です。
- 木の本数は 500、本数に加えて respect.unordered.factors = "order" を指定します。
- 再現性のためにシードを seed に設定します。
- モデルを表示してください。R-squared はいくつですか？