bike_count_prediction 源码

bike_count_prediction 预测在首尔租用的自行车数量 目的 该项目的目的是预测在首尔租用的自行车数量。 如果首尔公共租赁自行车系统背后的公司首尔自行车能够准确预测需求,那么它就能更好地为客户提供服务。 数据集 数据集来自加利福尼亚大学尔湾分校的机器学习存储库,位于。 方法论 此数据分析项目的步骤包括以下步骤: 资料检索 初始数据处理 具有辅助数据处理的探索性数据分析 资料建模 发现 我训练并调整了以下模型: 线性回归 弹力网 岭回归 套索回归 广义弹性网 随机森林 助推树 最近的邻居 其中,当在训练数据集上进行k倍重复交叉验证时,随机森林模型和增强树表现最佳。 在测试数据集上进行评估时,随机森林模型和增强树的均方根误差(RMSE)分别为228和229。可以在找到完整的报告。