Gradient boosted trees: görselleştirme

Artık model tahminlerin var; peki “işe yarıyorlar mı?” diye merak ediyor olabilirsin. Tahminlerinin doğruluğunu anlamak için çizebileceğin pek çok grafik var; burada iki yaygın grafiğe bakacaksın. Öncelikle, tahmin edilen yanıt ile gerçek yanıtın karşılaştırmasını görmek için bunların saçılım grafiğini çizmek güzel olur. İkincisi, artık değerlerin normal dağılıma yakın olması beklenir; bu yüzden artık değerlerin yoğunluk grafiğini çizmek faydalıdır. Grafikler kabaca aşağıdakilere benzeyecek.

Scatterplot of predicted response vs. actual response and density plot of distribution of residuals side by side.

Bu egzersizde, model tahminlerin için artık değerleri (tahmin edilen yanıt eksi gerçek yanıt) kendin hesaplamayı öğreneceksin.

Bu egzersiz, kursun bir parçasıdır

R ile sparklyr kullanarak Spark’a Giriş

Kursa Göz Atın

Egzersiz talimatları

Tahmin edilen ve gerçek yılları içeren yerel bir tibble olan responses önceden tanımlandı.

Tahminlere karşı gerçek yanıtların saçılım grafiğini çiz.
- ggplot() çağır.
- İlk argüman veri seti: responses.
- İkinci argüman, x ve y eksenleri için tırnaksız sütun adlarını (actual ve predicted sırasıyla) aes() içine sarılmış halde içermeli.
- Noktaları eklemek için geom_point() çağrısı ekle.
- Noktaları kısmen saydam yapmak için alpha = 0.1 ayarla.
- intercept = 0 ve slope = 1 ile geom_abline() çağrısı ekleyerek bir referans çizgisi ekle.
residuals adlı bir artık değer tibble’ı oluştur.
- transmute() fonksiyonunu responses üzerinde çağır.
- Yeni sütunun adı residual olmalı.
- residual, tahmin edilen yanıt eksi gerçek yanıt olmalı.
Artık değerlerin yoğunluk grafiğini çiz.
- Dönüştürülmüş tibble’ı ggplot() fonksiyonuna pipe et.
- ggplot() tek bir estetik ister: aes() içine sarılmış residual.
- Olasılık yoğunluk eğrisini çizmek için geom_density() çağır.
- Sıfırdan geçen dikey bir referans çizgisi eklemek için xintercept = 0 ile geom_vline() çağır.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# responses has been pre-defined
responses

# Draw a scatterplot of predicted vs. actual
ggplot(___, aes(___, ___)) +
  # Add the points
  ___ +
  # Add a line at actual = predicted
  ___

residuals <- responses %>%
  # Transmute response data to residuals
  ___

# Draw a density plot of residuals
ggplot(___, aes(___)) +
    # Add a density curve
    ___ +
    # Add a vertical line through zero
    ___

Kodu Düzenle ve Çalıştır