Las losowy: predykcja

Teraz czas na wykonanie predykcji za pomocą modelu lasu losowego. Składnia jest taka sama jak w przypadku modelu gradientowego wzmacniania drzew.

To ćwiczenie jest częścią kursu

Wprowadzenie do Spark z pakietem sparklyr w R

Zobacz kurs

Instrukcje do ćwiczenia

Połączenie ze Sparkiem zostało utworzone jako spark_conn. Tibble powiązane ze zbiorami treningowym i testowym zapisanymi w Sparku są wstępnie zdefiniowane jako track_data_to_model_tbl i track_data_to_predict_tbl. Model lasu losowego jest wstępnie zdefiniowany jako random_forest_model.

Zdefiniuj zmienną predicted, która będzie zawierać predykcje modelu dla danych testowych.
- Wywołaj ml_predict(), przekazując model oraz dane testowe jako argumenty. Funkcja ta wygeneruje predykcje dla zbioru testowego i doda je jako nową kolumnę o nazwie prediction.
Zdefiniuj zmienną responses, aby przygotować dane do porównania przewidywanych wyników z rzeczywistymi:
- Wybierz kolumnę z odpowiedzią year.
- Zbierz wyniki.
- Użyj mutate(), aby dodać predykcje z obiektu predicted.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Training, testing sets & model are pre-defined
track_data_to_model_tbl
track_data_to_predict_tbl
random_forest_model

# Predict the responses for the testing data
predicted <- ml_predict(
      ___,
      ___) %>% pull(prediction)

# Create a response vs. actual dataset
responses <- ___

Edytuj i uruchom kod