用随机森林模型预测自行车租赁量

在本练习中，您将使用上一个练习中拟合的模型来预测 8 月份的自行车租赁量。

ranger 模型的 predict()（文档）函数会返回一个列表。该列表中的一个元素是 predictions，即预测值向量。您可以使用用于访问列表命名元素的 $ 语法来获取 predictions：

predict(model, data)$predictions

模型 bike_model_rf 和用于评估的数据集 bikesAugust 已预先加载。

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

在 bikesAugust 上调用 predict() 来预测 8 月租出的自行车数量（cnt）。将预测结果作为列 pred 添加到 bikesAugust 中。
填空以计算预测的均方根误差（RMSE）。
- 您为该数据构建的泊松回归模型的 RMSE 约为 112.6。这个模型相比如何？
填空以绘制实际的自行车租赁量（cnt）与预测值（横轴为 pred）的对比图。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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()

编辑并运行代码