시작하기무료로 시작하기

xgboost 자전거 대여 모델 시각화

이제 자전거 대여 데이터를 모델링하는 세 가지 방법을 모두 살펴보셨습니다. 이 예제에서는 gradient boosting 모델의 RMSE가 가장 작았죠. 마무리로, gradient boosting 모델의 예측을 시간에 따른 함수로 다른 두 모델과 비교해 보겠습니다.

이 연습 문제를 마치면 본 과정을 완료하신 겁니다. 축하드립니다! 이제 회귀 작업에 다양한 접근 방식을 적용할 수 있는 도구를 갖추셨습니다.

예측이 포함된 데이터 프레임 bikesAugust가 미리 로드되어 있습니다. quasipoisson_plot과 randomforest_plot도 사용할 수 있어요.

이 연습은 강의의 일부입니다

R로 하는 Supervised Learning: 회귀

강의 보기

연습 안내

  • quasipoisson_plot을 출력해 quasipoisson 모델의 동작을 확인하세요.
  • randomforest_plot을 출력해 random forest 모델의 동작을 확인하세요.
  • 빈칸을 채워 gradient boosting 예측과 실제 집계를 8월 첫 14일 동안 시간별로 시각화하세요.
    • cnt와 gbm 열 이름을 valuetype이라는 키와 value라는 값 열로 pivot_longer() 하세요.
    • instant(day)에 따른 value를 그리세요.

gradient boosting 모델은 이전 모델들과 비교해 어떤가요?

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Print quasipoisson_plot
___

# Print randomforest_plot
___

# Plot predictions and actual bike rentals as a function of time (days)
bikesAugust %>% 
  mutate(instant = (instant - min(instant))/24) %>%  # set start to 0, convert unit to days
  filter(instant < 14) %>% # first two weeks
  pivot_longer(c(___, ___), names_to = ___, values_to = ___) %>%
  ggplot(aes(x = ___, y = ___, color = valuetype, linetype = valuetype)) + 
  geom_point() + 
  geom_line() + 
  scale_x_continuous("Day", breaks = 0:14, labels = 0:14) + 
  scale_color_brewer(palette = "Dark2") + 
  ggtitle("Predicted August bike rentals, Gradient Boosting model")
코드 편집 및 실행