В этом упражнении вы построите модель для предсказания количества велосипедов, арендованных за час, в зависимости от погоды, типа дня (праздник, рабочий день или выходной) и времени суток. Модель будет обучена на данных за июль.

Фрейм данных содержит следующие столбцы:

cnt: количество арендованных велосипедов за этот час (целевая переменная)
hr: час суток (0–23, как фактор)
holiday: TRUE/FALSE
workingday: TRUE, если день не является ни праздником, ни выходным, иначе FALSE
weathersit: категориальная переменная — "Clear to partly cloudy"/"Light Precipitation"/"Misty"
temp: нормализованная температура в Цельсиях
atemp: нормализованная «ощущаемая» температура в Цельсиях
hum: нормализованная влажность
windspeed: нормализованная скорость ветра
instant: временной индекс — количество часов с начала набора данных (не переменная модели)
mnth и yr: индексы месяца и года (не переменные модели)

Помните, что при использовании glm() (документация) для построения модели счётных данных необходимо указать family = poisson или family = quasipoisson.

Поскольку входных переменных много, для удобства мы сохраним название целевой переменной и входных переменных в отдельные переменные, а затем используем paste() (документация) для формирования строки с формулой модели.

Фрейм данных bikesJuly уже доступен для использования. Названия целевой переменной и входных переменных загружены в переменные outcome и vars соответственно.

GAM для изучения нелинейных преобразований

Create Your Free Account