Bardziej zaawansowany model lokalizacji

Zbiór danych locations rejestruje lokalizację Bretta co godzinę przez 13 tygodni. Dla każdej godziny dane śledzenia zawierają informację o typie dnia daytype (weekend lub dzień roboczy) oraz typie godziny hourtype (rano, po południu, wieczorem lub w nocy).

Wykorzystaj te dane, aby zbudować bardziej zaawansowany model sprawdzający, jak przewidywana lokalizacja Bretta zmienia się nie tylko w zależności od dnia tygodnia, ale też od pory dnia. Zbiór danych locations jest już wczytany do twojego środowiska roboczego.

Dodatkowe zmienne niezależne w formule możesz podać za pomocą znaku + (np. y ~ x + b).

Pakiet naivebayes został wcześniej załadowany.

To ćwiczenie jest częścią kursu

Nadzorowane uczenie maszynowe w R: Klasyfikacja

Zobacz kurs

Instrukcje do ćwiczenia

Użyj interfejsu formuł języka R, aby zbudować model, w którym lokalizacja zależy zarówno od daytype, jak i hourtype. Pamiętaj, że funkcja naive_bayes() przyjmuje 2 argumenty: formula i data.
Przewidź lokalizację Bretta w środku tygodnia po południu, korzystając z ramki danych weekday_afternoon i funkcji predict().
Zrób to samo dla weekday_evening.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Build a NB model of location
locmodel <- ___

# Predict Brett's location on a weekday afternoon
___

# Predict Brett's location on a weekday evening
___

Edytuj i uruchom kod