BaşlayınÜcretsiz başlayın

Bisiklet kiralamaları için bir random forest modeli kur

Bu egzersizde, saatlik kiralanan bisiklet sayısını; hava durumu, gün tipi (tatil, çalışma günü veya hafta sonu) ve günün saati değişkenlerine bağlı olarak yine tahmin eden bir model kuracaksın. Modeli Temmuz ayına ait veriler üzerinde eğiteceksin.

Random forest modelini uyarlamak için ranger paketini kullanacaksın. Bu egzersizde, ranger() (docs) çağrısının temel argümanları şunlardır:

  • formula
  • data
  • num.trees: ormandaki ağaç sayısı.
  • respect.unordered.factors : Sırasız faktör değişkenlerinin nasıl ele alınacağını belirtir. Regresyon için bunu "order" olarak ayarlamanı öneririz.
  • seed: bu algoritma rastgelelik içerdiğinden, tekrarlanabilir sonuçlar için seed'i ayarlayacaksın.

Girdi değişkenleri çok olduğundan, kolaylık olması için çıktı ve girdileri outcome ve vars değişkenlerinde belirteceğiz ve model formülünü temsil eden bir metni birleştirmek için paste() (docs) kullanacağız.

bikesJuly veri çerçevesi önceden yüklendi. Örnek kod, çıktı ve girdi değişkenlerinin adlarını belirtiyor.

Bu egzersiz, kursun bir parçasıdır

R'de Supervised Learning: Regresyon

Kursa Göz Atın

Egzersiz talimatları

  • Girdilerin bir fonksiyonu olarak cnt'yi ifade eden fmla formülünü oluşturmak için boşlukları doldur. Yazdır.
  • ranger paketini yükle.
  • ranger kullanarak bikesJuly verilerine bir model uydur: bike_model_rf.
    • ranger() fonksiyonunun ilk argümanı formül, yani fmla olmalı.
    • 500 ağaç kullan ve respect.unordered.factors = "order" ayarla.
    • Tekrarlanabilir sonuçlar için seed'i seed olarak ayarla.
    • Modeli yazdır. R-kare kaç?

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# bikesJuly is available
str(bikesJuly)

# Random seed to reproduce results
seed

# The outcome column
(outcome <- "cnt")

# The input variables
(vars <- c("hr", "holiday", "workingday", "weathersit", "temp", "atemp", "hum", "windspeed"))

# Create the formula string for bikes rented as a function of the inputs
(fmla <- paste(___, "~", paste(___, collapse = " + ")))

# Load the package ranger
___

# Fit and print the random forest model
(bike_model_rf <- ranger(___, # formula 
                         ___, # data
                         num.trees = ___, 
                         respect.unordered.factors = ___, 
                         seed = ___))
Kodu Düzenle ve Çalıştır