Kom igångKom igång gratis

Visualisera förutsägelser från cykelmodellen med random forest

I föregående övning såg du att cykelmodellen med random forest presterade bättre på augustidata än quasipoisson-modellen, sett till RMSE.

I den här övningen ska du visualisera random forest-modellens augustiförutsägelser som en funktion av tid. Motsvarande diagram från quasipoisson-modellen som du byggde i en tidigare övning finns tillgängligt för jämförelse.

Kom ihåg att quasipoisson-modellen till stor del fångade mönstret av lugna och trafikintensiva timmar under dagen, men underskattade toppbelastningarna något. Nu ska du se hur random forest-modellen jämför sig.

Dataramen bikesAugust (med förutsägelser) finns tillgänglig. Diagrammet quasipoisson_plot med quasipoisson-modellens förutsägelser som en funktion av tid visas.

Den här övningen är en del av kursen

Övervakad inlärning i R: Regression

Visa kurs

Övningsinstruktioner

  • Fyll i luckorna för att plotta förutsägelserna och faktiska antal per timme för de första 14 dagarna i augusti.
    • Använd pivot_longer på kolumnerna cnt och pred till en kolumn kallad value, med en nyckel kallad valuetype.
    • Plotta value som en funktion av instant (dag).

Hur jämför sig random forest-modellen?

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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")
Redigera och kör kod