Визуализация модели градиентного бустинга для прогнозирования аренды велосипедов

Вы уже рассмотрели три различных подхода к моделированию данных об аренде велосипедов. В этом примере модель градиентного бустинга показала наименьшее значение RMSE. Чтобы завершить курс, сравним прогнозы этой модели с результатами двух других моделей в зависимости от времени.

Выполнив это упражнение, вы завершите курс. Поздравляем! Теперь у вас есть все необходимые инструменты, чтобы применять разнообразные подходы к задачам регрессии.

Фрейм данных bikesAugust с прогнозами уже загружен. Графики quasipoisson_plot и randomforest_plot также доступны.

Это упражнение является частью курса

Обучение с учителем в R: регрессия

Посмотреть курс

Инструкции к упражнению

Выведите quasipoisson_plot, чтобы оценить поведение квазипуассоновской модели.
Выведите randomforest_plot, чтобы оценить поведение модели случайного леса.
Заполните пропуски, чтобы построить график прогнозов градиентного бустинга и фактических значений по часам за первые 14 дней августа.
- Примените pivot_longer() к столбцам cnt и gbm, собрав их значения в столбец value с ключом valuetype.
- Постройте график value как функции от instant (день).

Как модель градиентного бустинга соотносится с предыдущими моделями?

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Print quasipoisson_plot
___

# Print randomforest_plot
___

# Plot predictions and actual bike rentals as a function of time (days)
bikesAugust %>% 
  mutate(instant = (instant - min(instant))/24) %>%  # set start to 0, convert unit to days
  filter(instant < 14) %>% # first two weeks
  pivot_longer(c(___, ___), names_to = ___, values_to = ___) %>%
  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, Gradient Boosting model")

Редактировать и запускать код