Random Forest: การแสดงผลด้วยกราฟ

ขั้นตอนต่อไปคือการพล็อตค่าพยากรณ์ ในส่วนของโมเดล gradient boosted trees เราได้สร้าง scatter plot ของค่าพยากรณ์เทียบกับค่าจริง และ density plot ของค่าส่วนเหลือ (residuals) ไปแล้ว คราวนี้จะปรับกราฟเหล่านั้นให้แสดงผลลัพธ์จากทั้งสองโมเดลพร้อมกัน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

แนะนำ Spark ด้วย sparklyr ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

tibble ในเครื่อง both_responses ซึ่งมีค่าพยากรณ์และค่าจริงของปีสำหรับทั้งสองโมเดล ได้ถูกกำหนดไว้ล่วงหน้าแล้ว

อัปเดต scatter plot ของค่าพยากรณ์เทียบกับค่าจริง
- ใช้ชุดข้อมูล both_responses
- เพิ่ม aesthetic สีเพื่อแสดงแต่ละโมเดลด้วยสีที่ต่างกัน โดยใช้ color = model
- แทนที่จะพล็อตจุด ให้ใช้ geom_smooth() เพื่อวาดเส้นโค้งที่ปรับให้เรียบสำหรับแต่ละโมเดล
สร้าง tibble ของค่าส่วนเหลือ (residuals) โดยตั้งชื่อว่า residuals
- เรียก mutate() บน both_responses
- คอลัมน์ใหม่ควรตั้งชื่อว่า residual
- residual ควรมีค่าเท่ากับค่าพยากรณ์ลบด้วยค่าจริง
อัปเดต density plot ของค่าส่วนเหลือ
- เพิ่ม aesthetic สีเพื่อแสดงแต่ละโมเดลด้วยสีที่ต่างกัน

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)

แก้ไขและรันโค้ด