用隨機森林模型預測腳踏車租借量

在這個練習中，你會使用前一題訓練好的模型，來預測 8 月的腳踏車租借量。

ranger 模型的 predict()（文件）會回傳一個 list。這個 list 的其中一個元素是 predictions，也就是預測值的向量。你可以用 list 具名元素的 $ 語法來存取 predictions：

predict(model, data)$predictions

模型 bike_model_rf 與資料集 bikesAugust（用於評估）已經預先載入。

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

對 bikesAugust 呼叫 predict()，預測 8 月租借的腳踏車數量（cnt）。將預測值以欄位 pred 加到 bikesAugust。
填空計算預測的均方根誤差（RMSE）。
- 你先前為此資料建立的 Poisson 模型的 RMSE 約為 112.6。這個模型相比如何？
填空繪製實際的腳踏車租借量（cnt）與預測值（pred 為 x 軸）之間的對照圖。

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。

# bikesAugust is available
str(bikesAugust)

# bike_model_rf is available
bike_model_rf

# Make predictions on the August data
bikesAugust$pred <- ___(___, ___)$___

# Calculate the RMSE of the predictions
bikesAugust %>% 
  mutate(residual = ___)  %>% # calculate the residual
  summarize(rmse  = ___)      # calculate rmse

# Plot actual outcome vs predictions (predictions on x-axis)
ggplot(bikesAugust, aes(x = ___, y = ___)) + 
  geom_point() + 
  geom_abline()

編輯並執行程式碼