Случайный лес: визуализация

Теперь нужно построить графики предсказаний. Для модели градиентного бустинга вы строили точечный график предсказанных значений против фактических, а также график плотности остатков. Сейчас вы адаптируете эти графики, чтобы отобразить результаты обеих моделей одновременно.

Это упражнение является частью курса

Введение в Spark с sparklyr на R

Посмотреть курс

Инструкции к упражнению

Локальный тиббл both_responses, содержащий предсказанные и фактические значения года для обеих моделей, уже определён заранее.

Обновите точечный график предсказанных значений против фактических.
- Используйте набор данных both_responses.
- Добавьте эстетику цвета, чтобы каждая модель отображалась своим цветом. Используйте color = model.
- Вместо отображения точек используйте geom_smooth(), чтобы построить сглаженную кривую для каждой модели.
Создайте тиббл остатков с именем residuals.
- Вызовите mutate() для both_responses.
- Новый столбец должен называться residual.
- Значение residual должно быть равно предсказанному значению минус фактическое.
Обновите график плотности остатков.
- Добавьте эстетику цвета, чтобы каждая модель отображалась своим цветом.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# both_responses has been pre-defined
both_responses

# Draw a scatterplot of predicted vs. actual
ggplot(___, aes(actual, predicted, ___)) +
  # Add a smoothed line
  ___ +
  # Add a line at actual = predicted
  geom_abline(intercept = 0, slope = 1)

# Create a tibble of residuals
residuals <- ___

# Draw a density plot of residuals
ggplot(residuals, aes(residual, ___)) +
    # Add a density curve
    geom_density() +
    # Add a vertical line through zero
    geom_vline(xintercept = 0)

Редактировать и запускать код