1. Learn
    2. /
  2. Курси
    3. /
  3. Кероване навчання в R: регресія
Connected

Вправа

Візуалізуйте прогнози оренди велосипедів

У попередній вправі ви візуалізували прогнози моделі для велосипедів за допомогою стандартної діаграми розсіювання «фактичне значення vs. прогноз». Оскільки дані про оренду велосипедів є часовими рядами, може бути цікаво подивитися, як модель працює залежно від часу. У цій вправі ви порівняєте прогнози та фактичні оренди погодинно за перші 14 днів серпня.

Щоб створити графік, ви використаєте функцію tidyr::pivot_longer() (docs), щоб об'єднати прогнозні та фактичні значення з bikesAugust в один стовпець. pivot_longer() приймає як аргументи:

  • «Широкий» датафрейм, який потрібно перетворити (неявно в конвеєрі).
  • Назви стовпців, які слід зібрати в один стовпець (ключове слово "cols").
  • Назву стовпця-ключа, який буде створено — він міститиме назви зібраних стовпців (ключове слово "names_to").
  • Назву стовпця-значення, який буде створено — він міститиме значення зі зібраних стовпців (ключове слово "values_to").

Ви використаєте перетворений датафрейм, щоб порівняти фактичні та прогнозні значення кількості оренд як функцію часу. Індекс часу instant рахує кількість спостережень від початку збору даних. У зразку коду миттєві значення переводяться в добові одиниці, починаючи з 0.

Датафрейм bikesAugust із прогнозами (bikesAugust$pred) уже завантажено.

Інструкції

100 XP
  • Заповніть пропуски, щоб побудувати прогнози та фактичні значення за годинами для перших 14 днів серпня.
    • перетворіть instant, щоб він був у добових одиницях, а не в годинах
    • застосуйте pivot_longer() до стовпців cnt і pred, щоб отримати стовпець value з ключем valuetype.
    • filter() для перших двох тижнів серпня
    • Побудуйте графік value як функції instant (день).

Чи вловлює модель загальні часові закономірності в оренді велосипедів?