WMATAWatcher:推文及其与公共交通延误的相关性研究

WMATA观察者 有关推文及其与公共交通延误的关系的研究。 在最近几个季度中，华盛顿特区的MetroRail上的服务问题呈上升趋势： 我通过搜索， 和官方警报的组合发现了这一发现，从而激发了该项目的动机。 数据绘制在图2中。在仅仅一周的数据中，我发现MetroRailInfo未能向骑手提供任何关于两个下午高峰时间的延误的通知（蓝色）。 这些延迟后来被Metro确认（红色）。 在同一时间范围内，Tweet活动（黑色）激增，表明其中可能包含有价值的信息。 从这里，我收集了几个月的推文，并抓取了Service Archive。 这使我可以构建一个训练集： 如草图中所示，最初使用了“单词袋”方法来构建特征。 推文的单词内容（1克和2克）通过术语频率反文档频率进行矢量化和归一化。 Random Forest和SVM的分类都牺牲了太多的绝对精度以提高精度（预测每个时间段的延迟），因此对于部署到