Random Forest: 시각화

이제 예측값을 시각화해야 해요. Gradient boosted trees 모델에서는 예측값과 실제값의 산점도를 그리고, 잔차의 밀도 그래프를 그렸죠. 이제 두 모델의 결과를 한 번에 표시하도록 해당 그래프들을 변형해 보겠습니다.

이 연습은 강의의 일부입니다

R에서 sparklyr로 시작하는 Spark

강의 보기

연습 안내

두 모델의 예측 연도와 실제 연도를 담은 로컬 tibble both_responses가 미리 정의되어 있어요.

예측값 대 실제값 산점도를 업데이트하세요.
- both_responses 데이터셋을 사용하세요.
- 모델별로 다른 색으로 그리도록 색상 미학을 추가하세요. color = model을 사용하세요.
- 점을 그리는 대신 각 모델에 대해 부드러운 곡선을 그리도록 geom_smooth()을 사용하세요.
잔차 tibble을 residuals라는 이름으로 만드세요.
- both_responses에 mutate()를 호출하세요.
- 새 열 이름은 residual이어야 해요.
- residual은 예측값에서 실제값을 뺀 값이어야 해요.
잔차 밀도 그래프를 업데이트하세요.
- 모델별로 다른 색으로 그리도록 색상 미학을 추가하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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)

코드 편집 및 실행