Візуалізація прогнозів моделі random forest для велосипедів

У попередній вправі ви побачили, що модель random forest для велосипедів показала кращий результат на серпневих даних, ніж модель quasipoisson, за метрикою RMSE.

У цій вправі ви візуалізуєте серпневі прогнози моделі random forest як функцію часу. Відповідний графік із моделі quasipoisson, яку ви будували раніше, доступний для порівняння.

Нагадаємо, модель quasipoisson переважно розпізнала шаблон спокійних і завантажених годин протягом дня, але дещо недооцінювала піковий попит. Ви хочете побачити, як порівнюється модель random forest.

Датафрейм bikesAugust (із прогнозами) підготовлено для вас. Графік quasipoisson_plot із прогнозами моделі quasipoisson як функції часу показано.

Ця вправа є частиною курсу

Кероване навчання в R: регресія

Переглянути курс

Інструкції до вправи

Заповніть пропуски, щоб побудувати графік прогнозів і фактичних підрахунків по годинах для перших 14 днів серпня.
- Застосуйте pivot_longer до стовпців cnt і pred, зібравши їх у стовпець під назвою value з ключем valuetype.
- Побудуйте value як функцію instant (дня).

Як порівнюється модель random forest?

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

first_two_weeks <- bikesAugust %>%
  mutate(rf = bike_outcomesAugust$rf) %>%
  # Set start to 0, convert unit to days
  mutate(instant = (instant - min(instant)) / 24) %>% 
  # Filter for rows in the first two weeks
  filter(instant < 14) 
  # collect cnt and pred into a column named value with key valuetype
  pivot_longer(c('cnt', 'rf'), names_to = '___', values_to = '___')

# Plot predictions and cnt by date/time 
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, Random Forest plot")

Редагувати та запускати код