視覺化隨機森林單車模型的預測結果

在上一個練習中，你看到隨機森林單車模型在 8 月資料上的 RMSE 表現優於 quasipoisson 模型。

在本練習中，你要把隨機森林模型在 8 月的預測，隨時間變化畫成圖。你先前建立的 quasipoisson 模型對應的圖也已提供，方便你比較。

回想一下，quasipoisson 模型大致能辨識一天中清淡與繁忙時段的型態，但對尖峰需求有些低估。你想看看隨機森林模型相比如何。

已為你提供含預測值的資料框 bikesAugust。另有一張以時間為自變數的 quasipoisson 模型預測圖 quasipoisson_plot 供你參考。

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

填空以繪製 8 月前 14 天逐小時的預測與實際計數。
- 使用 pivot_longer 將 cnt 與 pred 兩個欄位轉為名為 value 的欄位，並以 valuetype 作為鍵。
- 將 value 視為 instant（天）的函數來繪圖。

隨機森林模型表現如何？

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。

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")

編輯並執行程式碼