為單車租借建立一個隨機森林模型

在這個練習中，你會再次建立一個模型，根據天氣、日型（假日、工作日或週末）以及一天中的時間，來預測每小時的單車租借數。你會使用 7 月份的資料來訓練模型。

你將使用 ranger 套件來擬合隨機森林模型。對於本練習，呼叫 ranger()（docs）的重點參數為：

formula
data
num.trees：森林中的樹數量。
respect.unordered.factors：指定如何處理無序的因子變數。我們建議在迴歸時將此設為「order」。
seed：因為這是隨機演算法，你需要設定隨機種子以取得可重現結果。

由於輸入變數很多，為了方便，我們會在變數 outcome 和 vars 中指定輸出與輸入，並使用 paste()（docs）來組合出代表模型公式的字串。

資料框 bikesJuly 已經預先載入。範例程式碼已指定輸出與輸入變數的名稱。

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。並將其印出。
載入 ranger 套件。
使用 ranger 對 bikesJuly 資料擬合模型：bike_model_rf。
- ranger() 的第一個引數是公式 fmla。
- 使用 500 棵樹，且設定 respect.unordered.factors = "order"。
- 將隨機種子設為 seed 以確保結果可重現。
- 印出模型。R-squared 是多少？

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)

# Random seed to reproduce results
seed

# The outcome column
(outcome <- "cnt")

# The input variables
(vars <- c("hr", "holiday", "workingday", "weathersit", "temp", "atemp", "hum", "windspeed"))

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

# Load the package ranger
___

# Fit and print the random forest model
(bike_model_rf <- ranger(___, # formula 
                         ___, # data
                         num.trees = ___, 
                         respect.unordered.factors = ___, 
                         seed = ___))

編輯並執行程式碼