เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

แสดงภาพโมเดล xgboost สำหรับการเช่าจักรยาน

ตอนนี้เราได้เห็นวิธีสร้างโมเดลข้อมูลการเช่าจักรยานมาแล้ว 3 แบบ จากตัวอย่างนี้ จะเห็นว่าโมเดล gradient boosting ให้ค่า RMSE ต่ำที่สุด เพื่อปิดท้ายคอร์ส มาเปรียบเทียบการพยากรณ์ของโมเดล gradient boosting กับอีกสองโมเดลตามช่วงเวลากัน

เมื่อทำแบบฝึกหัดนี้เสร็จ ก็ถือว่าเรียนจบคอร์สแล้ว ขอแสดงความยินดี! ตอนนี้มีเครื่องมือพร้อมนำวิธีการต่าง ๆ ไปใช้กับงาน regression ได้หลากหลายรูปแบบ

โหลด data frame bikesAugust พร้อมค่าพยากรณ์ไว้แล้ว รวมถึงกราฟ quasipoisson_plot และ randomforest_plot ก็พร้อมใช้งาน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Supervised Learning ใน R: การถดถอย

ดูคอร์ส

คำแนะนำการฝึกหัด

  • พิมพ์ quasipoisson_plot เพื่อดูพฤติกรรมของโมเดล quasipoisson
  • พิมพ์ randomforest_plot เพื่อดูพฤติกรรมของโมเดล random forest
  • เติมช่องว่างเพื่อพล็อตค่าพยากรณ์จาก gradient boosting และจำนวนจริงรายชั่วโมงในช่วง 14 วันแรกของเดือนสิงหาคม
    • ใช้ pivot_longer() กับชื่อคอลัมน์ cnt และ gbm ให้อยู่ในคอลัมน์ชื่อ value โดยมี key ชื่อ valuetype
    • พล็อต value เทียบกับ instant (วัน)

โมเดล gradient boosting แตกต่างจากโมเดลก่อนหน้าอย่างไร?

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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")
แก้ไขและรันโค้ด