可视化随机森林单车模型的预测

在上一个练习中，您看到就 RMSE 而言，随机森林单车模型在 8 月数据上的表现优于 quasipoisson 模型。

本练习中，您将把随机森林模型在 8 月的预测可视化为时间的函数。您之前构建的 quasipoisson 模型的对应图也已提供，方便对比。

回忆一下，quasipoisson 模型大体识别出了白天时段的冷清与繁忙模式，但对高峰需求略有低估。您希望看看随机森林模型的表现如何。

已为您提供包含预测结果的数据框 bikesAugust。按时间作图的 quasipoisson 模型预测 quasipoisson_plot 也已展示。

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

填空以绘制 8 月前 14 天按小时的预测值与实际计数。
- 使用 pivot_longer 将 cnt 和 pred 列转换为名为 value 的列，并使用名为 valuetype 的键。
- 绘制 value 随 instant（day）的变化图。

"随机森林"模型相比如何？

交互式实操练习

通过完成这段示例代码来试试这个练习。

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")

编辑并运行代码