視覺化 xgboost 腳踏車租借模型

你已經看過 3 種不同方式來建模腳踏車租借資料。在這個例子中，你看到梯度提升模型的 RMSE 最小。為了替本課做個結尾，讓我們把梯度提升模型的預測，依時間與另外兩個模型做比較。

完成此練習後，你就完成整門課了。恭喜！現在你已具備在回歸任務中套用多種方法的工具。

包含預測結果的資料框 bikesAugust 已預先載入。圖形物件 quasipoisson_plot 與 randomforest_plot 也可使用。

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

列印 quasipoisson_plot，回顧 quasipoisson 模型的表現。
列印 randomforest_plot，回顧隨機森林模型的表現。
填空以繪製梯度提升模型的預測與實際計數，在 8 月前 14 天中以小時為單位顯示。
- 將 cnt 與 gbm 欄名以 pivot_longer() 轉為名為 value 的欄位，並以 valuetype 作為鍵。
- 繪製 value 隨 instant（天）的變化。

梯度提升模型與前述模型相比如何？

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。

# Print quasipoisson_plot
___

# Print randomforest_plot
___

# Plot predictions and actual bike rentals as a function of time (days)
bikesAugust %>% 
  mutate(instant = (instant - min(instant))/24) %>%  # set start to 0, convert unit to days
  filter(instant < 14) %>% # first two weeks
  pivot_longer(c(___, ___), names_to = ___, values_to = ___) %>%
  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, Gradient Boosting model")

編輯並執行程式碼