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

Вправа

Побудуйте модель random forest для оренди велосипедів

У цій вправі ви знову побудуєте модель для прогнозування кількості велосипедів, орендованих за годину, як функції погоди, типу дня (свято, робочий день або вихідний) і часу доби. Ви навчатимете модель на даних за липень.

Ви використаєте пакет ranger для побудови моделі random forest. Для цієї вправи ключові аргументи виклику ranger() (docs) такі:

  • formula
  • data
  • num.trees: кількість дерев у лісі.
  • respect.unordered.factors: визначає, як обробляти не впорядковані факторні змінні. Рекомендуємо встановити значення "order" для регресії.
  • seed: оскільки алгоритм випадковий, встановіть значення seed, щоб отримати відтворювані результати

Оскільки вхідних змінних багато, для зручності ми задамо ціль і вхідні ознаки у змінних outcome і vars, а для складання рядка, що представляє формулу моделі, скористаємося paste() (docs).

Датафрейм bikesJuly уже завантажено. У зразку коду задано назви цільової та вхідних змінних.

Інструкції

100 XP
  • Заповніть пропуски, щоб створити формулу fmla, яка задає cnt як функцію вхідних змінних. Виведіть її.
  • Завантажте пакет ranger.
  • Використайте ranger, щоб навчити модель на даних bikesJuly: bike_model_rf.
    • Перший аргумент ranger() — формула fmla.
    • Використайте 500 дерев і respect.unordered.factors = "order".
    • Встановіть сид у seed для відтворюваних результатів.
    • Виведіть модель. Яке значення R-squared?