BaşlayınÜcretsiz başlayın

Rasgele orman modeliyle bisiklet kiralamalarını tahmin et

Bu egzersizde, bir önceki egzersizde kurduğun modelle Ağustos ayı bisiklet kiralamalarını tahmin edeceksin.

ranger modeli için predict() (docs) fonksiyonu bir liste döndürür. Bu listenin öğelerinden biri, tahmin değerlerini içeren bir vektör olan predictions'tır. Bir listedeki adlandırılmış öğelere erişmek için kullanılan $ gösterimiyle predictions'a erişebilirsin:

predict(model, data)$predictions

bike_model_rf modeli ve değerlendirme için bikesAugust veri kümesi önceden yüklendi.

Bu egzersiz, kursun bir parçasıdır

R'de Supervised Learning: Regresyon

Kursa Göz Atın

Egzersiz talimatları

  • Ağustos ayında kiralanan bisiklet sayısını (cnt) tahmin etmek için bikesAugust üzerinde predict() çağır. Tahminleri bikesAugust'a pred sütunu olarak ekle.
  • Tahminlerin kök ortalama kare hatasını (RMSE) hesaplamak için boşlukları doldur.
    • Bu veri için kurduğun poisson modelinin RMSE'si yaklaşık 112,6 idi. Bu model nasıl karşılaştırılıyor?
  • Gerçek bisiklet kiralama sayıları (cnt) ile tahminleri (pred x-ekseni) karşılaştıran grafiği çizmek için boşlukları doldur.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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()
Kodu Düzenle ve Çalıştır