擬合模型來預測單車租借次數

在這個練習中，你將建立一個模型，根據天氣、日期類型（假日、工作日或週末）以及一天中的時間，來預測每小時被租借的單車數量。你會使用 7 月份的資料來訓練模型。

這個資料框包含下列欄位：

cnt：該小時租借的單車數量（輸出變數）
hr：一天中的小時（0-23，為因子）
holiday：TRUE/FALSE
workingday：若既非假日也非週末則為 TRUE，否則為 FALSE
weathersit：類別型，「Clear to partly cloudy」/「Light Precipitation」/「Misty」
temp：標準化後的攝氏氣溫
atemp：標準化後的體感攝氏氣溫
hum：標準化後的相對溼度
windspeed：標準化後的風速
instant：時間索引──自資料集開始以來的小時數（不作為變數）
mnth 與 yr：月份與年份索引（不作為變數）

記得在使用 glm()（docs）擬合計數型模型時，必須指定 family = poisson 或 family = quasipoisson。

由於輸入變數很多，為了方便，我們會先用變數指定輸出與輸入，再用 paste()（docs）組合出代表模型公式的字串。

bikesJuly 資料框已可使用。輸出變數與輸入變數的名稱也分別載入為 outcome 與 vars。

本練習屬於課程

R 中的監督式學習：回歸

檢視課程

練習說明

填空以建立公式 fmla，將 cnt 表示為輸入變數的函數。印出它。
計算 bikesJuly$cnt 的平均數（mean()）與變異數（var()）。
- 你應該用 poisson 還是 quasipoisson 迴歸？
使用 glm() 對 bikesJuly 擬合一個模型：bike_model。
使用 glance() 檢視模型的擬合統計量。將 glance() 的輸出指定給變數 perf。
計算模型的偽 R 平方。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# bikesJuly is available
str(bikesJuly)

# The outcome column
outcome 

# The inputs to use
vars 

# Create the formula string for bikes rented as a function of the inputs
(fmla <- paste(___, "~", paste(___, collapse = " + ")))

# Calculate the mean and variance of the outcome
(mean_bikes <- ___)
(var_bikes <- ___)

# Fit the model
bike_model <- ___

# Call glance
(perf <- ___)

# Calculate pseudo-R-squared
(pseudoR2 <- ___)

編輯並執行程式碼