Demand_Prediction_Project

Demand_Prediction_Project 欢迎来到“需求预测项目” 。 正如您最近所知道的，在城市中，短途旅行提供了免费或负担得起的自行车出行方式，以代替机动公共交通或私人车辆。 因此，其目的是减少交通拥堵，噪音和空气污染。 在此项目中，目标是根据伦敦自行车份额的历史数据预测未来自行车份额的数量。 因此，这种情况应作为双向LSTM的时间序列问题来处理。 为了实现此目标，您将使用LSTM进行预测，这与之前应用的机器学习算法不同。 长期短期记忆（LSTM）是在深度学习领域中使用的一种人工重复神经网络体系结构。 与标准前馈神经网络不同，LSTM具有反馈链接。 它不仅可以处理单个数据点，还可以处理整个数据系列。 在进入项目之前，请先看一下确定和任务。 特征 timestamp-用于将数据分组的timestamp字段 cnt-新自行车份额的计数 t1-实际温度（摄氏度） t2