Random Forest: prediktion

Nu ska du göra prediktioner med din random forest-modell. Syntaxen är densamma som för modellen med gradientboostade träd.

Den här övningen är en del av kursen

Introduktion till Spark med sparklyr i R

Visa kurs

Övningsinstruktioner

En Spark-anslutning har skapats åt dig som spark_conn. Tibbles kopplade till tränings- och testdatamängderna som lagrats i Spark har fördefinierade namn: track_data_to_model_tbl respektive track_data_to_predict_tbl. Random forest-modellen har fördefinieras som random_forest_model.

Definiera en variabel predicted som innehåller modellens prediktioner för våra testdata.
- Anropa ml_predict() med modellen och testdata som argument. Den här funktionen genererar prediktioner för testdatamängden och lägger till dessa som en ny kolumn med namnet prediction.
Definiera variabeln responses för att förbereda data för jämförelse mellan predikterade och faktiska responsvärden:
- Välj responskolumnen year.
- Samla in resultaten.
- Använd mutate() för att lägga till prediktionerna från predicted.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Training, testing sets & model are pre-defined
track_data_to_model_tbl
track_data_to_predict_tbl
random_forest_model

# Predict the responses for the testing data
predicted <- ml_predict(
      ___,
      ___) %>% pull(prediction)

# Create a response vs. actual dataset
responses <- ___

Redigera och kör kod