Vizualizează predicțiile modelului random forest pentru biciclete
În exercițiul anterior, ai văzut că modelul random forest pentru biciclete a obținut rezultate mai bune pe datele din august decât modelul quasipoisson, în ceea ce privește RMSE.
În acest exercițiu, vei vizualiza predicțiile modelului random forest pentru august în funcție de timp. Graficul corespunzător din modelul quasipoisson, construit într-un exercițiu anterior, este disponibil pentru comparație.
Reține că modelul quasipoisson a identificat în mare parte tiparul orelor aglomerate și al celor liniștite din zi, dar a subestimat oarecum cererea de vârf. Acum vei vedea cum se compară modelul random forest.
Dataframe-ul bikesAugust (cu predicții) este deja disponibil. Graficul quasipoisson_plot al predicțiilor modelului quasipoisson în funcție de timp este afișat.
Acest exercițiu face parte din cursul
Învățare supervizată în R: Regresia
Instrucțiuni pentru exercițiu
- Completează spațiile libere pentru a reprezenta grafic predicțiile și numărul real de înregistrări pe oră pentru primele 14 zile din august.
- Aplică
pivot_longerpe coloanelecntșipredîntr-o coloană numităvalue, cu o cheie numităvaluetype. - Reprezintă grafic
valueîn funcție deinstant(zi).
- Aplică
Cum se compară modelul random forest?
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
first_two_weeks <- bikesAugust %>%
mutate(rf = bike_outcomesAugust$rf) %>%
# Set start to 0, convert unit to days
mutate(instant = (instant - min(instant)) / 24) %>%
# Filter for rows in the first two weeks
filter(instant < 14)
# collect cnt and pred into a column named value with key valuetype
pivot_longer(c('cnt', 'rf'), names_to = '___', values_to = '___')
# Plot predictions and cnt by date/time
ggplot(___, aes(x = ___, y = ___, color = valuetype, linetype = valuetype)) +
geom_point() +
geom_line() +
scale_x_continuous("Day", breaks = 0:14, labels = 0:14) +
scale_color_brewer(palette = "Dark2") +
ggtitle("Predicted August bike rentals, Random Forest plot")