W tym ćwiczeniu zbudujesz model przewidujący liczbę rowerów wypożyczonych w ciągu godziny na podstawie warunków pogodowych, rodzaju dnia (święto, dzień roboczy lub weekend) oraz pory dnia. Model wytrenujesz na danych z lipca.

Ramka danych zawiera następujące kolumny:

cnt: liczba wypożyczonych rowerów w danej godzinie (zmienna objaśniana)
hr: godzina dnia (0–23, jako czynnik)
holiday: TRUE/FALSE
workingday: TRUE, jeśli dzień nie jest ani świętem, ani weekendem; w przeciwnym razie FALSE
weathersit: kategoria, "Clear to partly cloudy"/"Light Precipitation"/"Misty"
temp: znormalizowana temperatura w stopniach Celsjusza
atemp: znormalizowana temperatura odczuwalna w stopniach Celsjusza
hum: znormalizowana wilgotność
windspeed: znormalizowana prędkość wiatru
instant: indeks czasowy – liczba godzin od początku zbioru danych (nie jest zmienną)
mnth i yr: indeksy miesiąca i roku (nie są zmiennymi)

Pamiętaj, że przy użyciu glm() (dokumentacja) do dopasowania modelu licznikowego musisz podać family = poisson lub family = quasipoisson.

Ponieważ zmiennych wejściowych jest dużo, dla wygody zapiszemy zmienną objaśnianą i zmienne wejściowe w osobnych zmiennych, a następnie użyjemy funkcji paste() (dokumentacja) do złożenia łańcucha tekstowego reprezentującego formułę modelu.

Ramka danych bikesJuly jest dostępna do użycia. Nazwy zmiennej objaśnianej i zmiennych wejściowych zostały wczytane odpowiednio jako zmienne outcome i vars.

GAM do uczenia nieliniowych przekształceń

Create Your Free Account