BaşlayınÜcretsiz başlayın

xgboost bisiklet kiralama modelini görselleştir

Artık bisiklet kiralama verilerini modellemenin üç farklı yolunu gördün. Bu örnekte, gradient boosting modelinin en küçük RMSE'ye sahip olduğunu gördün. Kursu bitirirken, gel gradient boosting modelinin tahminlerini zamana göre diğer iki modelle karşılaştıralım.

Bu egzersizi tamamladığında kursu bitirmiş olacaksın. Tebrikler! Artık regresyon görevlerin için çeşitli yaklaşımları uygulayacak araçlara sahipsin.

Tahminleri içeren bikesAugust veri çerçevesi önceden yüklendi. quasipoisson_plot ve randomforest_plot görselleştirmeleri de hazır.

Bu egzersiz, kursun bir parçasıdır

R'de Supervised Learning: Regresyon

Kursa Göz Atın

Egzersiz talimatları

  • Quasipoisson modelinin davranışını gözden geçirmek için quasipoisson_plot çıktısını yazdır.
  • Random forest modelinin davranışını gözden geçirmek için randomforest_plot çıktısını yazdır.
  • Aşağıdaki boşlukları doldurarak, Ağustos'un ilk 14 günü için saat bazında gradient boosting tahminlerini ve gerçek sayımları görselleştir.
    • cnt ve gbm sütun adlarını, anahtarı valuetype olan ve değer sütunu adı value olan bir yapıya dönüştürmek için pivot_longer() kullan.
    • value değişkenini instant (gün) fonksiyonu olarak çiz.

Gradient boosting modeli önceki modellerle nasıl karşılaştırılıyor?

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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")
Kodu Düzenle ve Çalıştır