拟合模型以预测自行车租赁次数

在本练习中，您将构建一个模型，根据天气、日期类型（假日、工作日或周末）以及一天中的时间，来预测某一小时内租出的自行车数量。您将基于 7 月份的数据来训练模型。

该数据框包含以下列：

cnt：该小时内租出的自行车数量（输出）
hr：一天中的小时（0-23，因子）
holiday：TRUE/FALSE
workingday：如果既不是假日也不是周末则为 TRUE，否则为 FALSE
weathersit：分类型，"Clear to partly cloudy"/"Light Precipitation"/"Misty"
temp：标准化摄氏温度
atemp：标准化体感摄氏温度
hum：标准化湿度
windspeed：标准化风速
instant：时间索引——自数据集开始以来的小时数（不是变量）
mnth 和 yr：月份与年份索引（不是变量）

请记住，使用 glm()（docs）拟合计数模型时，必须指定 family = poisson 或 family = quasipoisson。

由于输入变量较多，为了方便，我们将把输出和输入分别放在变量中，并使用 paste()（docs）拼接出表示模型公式的字符串。

bikesJuly 数据框可直接使用。输出变量名和输入变量名也已分别加载为 outcome 和 vars。

本练习是课程的一部分

R 中的监督学习：回归

查看课程

练习说明

填写空白，创建将 cnt 表达为输入函数的公式 fmla。打印该公式。
计算 bikesJuly$cnt 的均值（mean()）和方差（var()）。
- 您应该使用 poisson 还是 quasipoisson 回归？
使用 glm() 在 bikesJuly 数据上拟合模型：bike_model。
使用 glance() 查看模型的拟合统计量。将 glance() 的输出赋给变量 perf。
计算模型的伪 R 平方。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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 <- ___)

编辑并运行代码