Arbori cu gradient boosting: vizualizare

Acum că ai predicțiile modelului, probabil te întrebi: „sunt bune?". Există multe grafice pe care le poți trasa pentru a diagnostica acuratețea predicțiilor; aici vei analiza două dintre cele mai comune. În primul rând, este util să trasezi un grafic scatter al valorilor prezise față de valorile reale, pentru a vedea cât de bine se potrivesc. În al doilea rând, reziduurile ar trebui să fie aproape de o distribuție normală, deci este util să trasezi un grafic de densitate al reziduurilor. Graficele vor arăta similar cu cele de mai jos.

Grafic scatter al valorilor prezise față de valorile reale și grafic de densitate al distribuției reziduurilor, afișate alăturat.

În acest exercițiu, vei învăța să calculezi singur reziduurile (valorile prezise minus valorile reale) pentru predicțiile modelului tău.

Acest exercițiu face parte din cursul

Introducere în Spark cu sparklyr în R

Vezi cursul

Instrucțiuni pentru exercițiu

Un tibble local numit responses, care conține anii prezișl și anii reali, a fost pre-definit.

Trasează un grafic scatter al valorilor prezise față de valorile reale.
- Apelează ggplot().
- Primul argument este setul de date, responses.
- Al doilea argument trebuie să conțină numele coloanelor (fără ghilimele) pentru axele x și y (actual și respectiv predicted), incluse în aes().
- Adaugă punctele printr-un apel la geom_point().
- Fă punctele parțial transparente setând alpha = 0.1.
- Adaugă o linie de referință printr-un apel la geom_abline() cu intercept = 0 și slope = 1.
Creează un tibble al reziduurilor, numit residuals.
- Apelează transmute() pe responses.
- Noua coloană trebuie să se numească residual.
- residual trebuie să fie egal cu valoarea prezisă minus valoarea reală.
Trasează un grafic de densitate al reziduurilor.
- Trimite tibble-ul transformat prin pipe către ggplot().
- ggplot() are nevoie de un singur element estetic: residual inclus în aes().
- Adaugă curba de densitate de probabilitate apelând geom_density().
- Adaugă o linie de referință verticală prin zero apelând geom_vline() cu xintercept = 0.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# responses has been pre-defined
responses

# Draw a scatterplot of predicted vs. actual
ggplot(___, aes(___, ___)) +
  # Add the points
  ___ +
  # Add a line at actual = predicted
  ___

residuals <- responses %>%
  # Transmute response data to residuals
  ___

# Draw a density plot of residuals
ggplot(___, aes(___)) +
    # Add a density curve
    ___ +
    # Add a vertical line through zero
    ___

Editează și rulează codul