Trực quan hóa dự đoán của mô hình random forest cho dữ liệu xe đạp
Trong bài trước, bạn đã thấy mô hình random forest cho dữ liệu xe đạp hoạt động tốt hơn mô hình quasipoisson trên dữ liệu tháng 8, xét theo RMSE.
Trong bài này, bạn sẽ trực quan hóa các dự đoán tháng 8 của mô hình random forest theo thời gian. Biểu đồ tương ứng từ mô hình quasipoisson mà bạn đã xây dựng ở bài trước cũng có sẵn để so sánh.
Hãy nhớ rằng mô hình quasipoisson chủ yếu nhận ra được quy luật giờ vắng và giờ cao điểm trong ngày, nhưng có xu hướng đánh giá thấp nhu cầu ở đỉnh. Bạn muốn xem mô hình random forest so sánh ra sao.
Data frame bikesAugust (có kèm dự đoán) đã được cung cấp cho bạn. Biểu đồ quasipoisson_plot thể hiện dự đoán của mô hình quasipoisson theo thời gian cũng được hiển thị.
Bài tập này là một phần của khóa học
Học có giám sát với R: Hồi quy
Hướng dẫn bài tập
- Điền vào chỗ trống để vẽ biểu đồ dự đoán và số đếm thực tế theo giờ cho 14 ngày đầu tháng 8.
pivot_longercác cộtcntvàpredvào một cột tênvalue, với khóa tênvaluetype.- Vẽ
valuetheo hàm củainstant(ngày).
Mô hình random forest so với mô hình kia thế nào?
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
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")