시작하기무료로 시작하기

랜덤 포레스트 모델로 자전거 대여량 예측하기

이 연습 문제에서는 이전 문제에서 적합한 모델을 사용해 8월의 자전거 대여량을 예측해 보겠습니다.

ranger 모델의 predict()(docs) 함수는 리스트를 반환합니다. 이 리스트의 요소 중 하나가 예측값 벡터인 predictions입니다. 리스트의 이름 있는 요소에 접근하는 $ 표기법으로 predictions에 접근할 수 있습니다:

predict(model, data)$predictions

모델 bike_model_rf와 (평가용) 데이터셋 bikesAugust는 미리 로드되어 있습니다.

이 연습은 강의의 일부입니다

R로 하는 Supervised Learning: 회귀

강의 보기

연습 안내

  • bikesAugust에 대해 predict()를 호출해 8월의 자전거 대여 수(cnt)를 예측하세요. 예측값을 pred 열로 bikesAugust에 추가하세요.
  • 예측의 평균제곱근오차(RMSE)를 계산하도록 빈칸을 채우세요.
    • 이 데이터에 대해 구축한 poisson 모델의 RMSE는 약 112.6이었습니다. 이 모델과 비교하면 어떤가요?
  • 실제 자전거 대여 수(cnt)와 예측값(pred, x축)을 비교하는 플롯을 그리도록 빈칸을 채우세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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()
코드 편집 및 실행