Random Forest: görselleştirme

Şimdi tahminleri görselleştirmen gerekiyor. Gradient boosted trees modeliyle, tahmin edilen yanıtları gerçek yanıtlarla karşılaştıran bir saçılım grafiği ve artıkların yoğunluk grafiğini çizmiştin. Şimdi bu grafikleri, her iki modelin sonuçlarını aynı anda gösterecek şekilde uyarlayacaksın.

Bu egzersiz, kursun bir parçasıdır

R ile sparklyr kullanarak Spark’a Giriş

Kursa Göz Atın

Egzersiz talimatları

Her iki model için tahmin edilen ve gerçek yılları içeren yerel bir tibble both_responses önceden tanımlandı.

Tahmin vs. gerçek yanıt saçılım grafiğini güncelle.
- both_responses veri kümesini kullan.
- Her modeli farklı bir renkte çizmek için bir renk estetiği ekle. color = model kullan.
- Noktaları çizmek yerine, her model için düzgün bir eğri çizmek üzere geom_smooth() kullan.
residuals adlı bir artıklar tibble'ı oluştur.
- mutate() fonksiyonunu both_responses üzerinde çağır.
- Yeni sütunun adı residual olmalı.
- residual, tahmin edilen yanıt eksi gerçek yanıt olmalı.
Artıkların yoğunluk grafiğini güncelle.
- Her modeli farklı bir renkte çizmek için bir renk estetiği ekle.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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)

Kodu Düzenle ve Çalıştır