เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

พยากรณ์จำนวนการเช่าจักรยานด้วยโมเดล Random Forest

ในแบบฝึกหัดนี้ จะใช้โมเดลที่ฝึกไว้ในแบบฝึกหัดก่อนหน้าเพื่อพยากรณ์จำนวนการเช่าจักรยานในเดือนสิงหาคม

ฟังก์ชัน predict() (docs) สำหรับโมเดล ranger จะคืนค่าเป็น list โดยหนึ่งในองค์ประกอบของ list นั้นคือ predictions ซึ่งเป็นเวกเตอร์ของค่าพยากรณ์ สามารถเข้าถึง predictions ได้ด้วยสัญลักษณ์ $ สำหรับการเข้าถึงองค์ประกอบที่มีชื่อใน list:

predict(model, data)$predictions

โมเดล bike_model_rf และชุดข้อมูล bikesAugust (สำหรับการประเมินผล) ถูกโหลดไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Supervised Learning ใน R: การถดถอย

ดูคอร์ส

คำแนะนำการฝึกหัด

  • เรียกใช้ predict() กับ bikesAugust เพื่อพยากรณ์จำนวนการเช่าจักรยานในเดือนสิงหาคม (cnt) แล้วเพิ่มค่าพยากรณ์ลงใน bikesAugust เป็นคอลัมน์ pred
  • เติมช่องว่างเพื่อคำนวณ root mean squared error ของค่าพยากรณ์
    • โมเดล Poisson ที่สร้างสำหรับข้อมูลชุดนี้ให้ค่า RMSE ประมาณ 112.6 โมเดลนี้ดีกว่าหรือไม่?
  • เติมช่องว่างเพื่อพล็อตกราฟแสดงจำนวนการเช่าจักรยานจริง (cnt) เทียบกับค่าพยากรณ์ (pred บนแกน x)

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# bikesAugust is available
str(bikesAugust)

# bike_model_rf is available
bike_model_rf

# Make predictions on the August data
bikesAugust$pred <- ___(___, ___)$___

# Calculate the RMSE of the predictions
bikesAugust %>% 
  mutate(residual = ___)  %>% # calculate the residual
  summarize(rmse  = ___)      # calculate rmse

# Plot actual outcome vs predictions (predictions on x-axis)
ggplot(bikesAugust, aes(x = ___, y = ___)) + 
  geom_point() + 
  geom_abline()
แก้ไขและรันโค้ด