ランダムフォレストモデルで自転車レンタル数を予測する
この演習では、前の演習で学習したモデルを使って、8月の自転車レンタル数を予測します。
ranger モデルに対する predict()（docs）関数は、リストを返します。このリストの要素のひとつが predictions で、予測値のベクトルです。リストの名前付き要素にアクセスする $ 記法で predictions にアクセスできます。
predict(model, data)$predictions
モデル bike_model_rf とデータセット bikesAugust（評価用）はあらかじめ読み込まれています。
この演習はコースの一部です
R による Supervised Learning：回帰
演習の手順
- 8月にレンタルされた自転車台数（
cnt）を予測するために、bikesAugustに対してpredict()を呼び出してください。予測結果をpred列としてbikesAugustに追加します。 - 予測の二乗平均平方根誤差（RMSE）を計算する空欄を埋めてください。
- このデータに対して作成したポアソンモデルの RMSE は約 112.6 でした。このモデルはどう比較できますか？
- 実際の自転車レンタル数（
cnt）と予測値（x 軸にpred）の散布図を描くために空欄を埋めてください。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# bikesAugust is available
str(bikesAugust)
# bike_model_rf is available
bike_model_rf
# Make predictions on the August data
bikesAugust$pred <- ___(___, ___)$___
# Calculate the RMSE of the predictions
bikesAugust %>%
mutate(residual = ___) %>% # calculate the residual
summarize(rmse = ___) # calculate rmse
# Plot actual outcome vs predictions (predictions on x-axis)
ggplot(bikesAugust, aes(x = ___, y = ___)) +
geom_point() +
geom_abline()