19 - python首尔自行车共享需求预测

> Author: Runsen # 首尔自行车共享需求预测  ## 1. 问题陈述 目前，在许多城市引入了租赁自行车，以增强出行的便利性。将租赁自行车在合适的时间提供给公众并使其易于获取非常重要，因为这可以减少等待时间。最终，为城市提供稳定的租赁自行车供应成为一个主要问题。关键部分是对每个小时所需的自行车数量进行预测，以实现稳定的租赁自行车供应。 ## 2. 数据描述 该数据集包含天气信息（温度、湿度、风速、能见度、露点、太阳辐射、降雪量、降雨量）、每小时租赁自行车数量和日期信息。 属性信息： - 日期：年-月-日 - 租赁自行车数量 - 每小时租赁的自行车数量 - 小时 - 一天中的小时 - 温度 - 摄氏温度 - 湿度 - % - 风速 - 米/秒 - 能见度 - 10米 - 露点温度 - 摄氏温度 - 太阳辐射 - MJ/平方米 - 降雨量 - 毫米 - 降雪量 - 厘米 - 季节 - 冬季、春季、夏季、秋季 - 节假日 - 节假日/非节假日 - 工作日 - 非工作时间、工作时间 ## 3. 项目的业务用途是什么？ 用户可以核实他们的行程详情（距离、持续时间）和身体活动的度量（消耗的卡路里）。随着这种智能技术和便利性，租赁自行车的使用量每天都在增加。因此，有必要管理自行车租赁需求，并为用户提供持续便利的服务。本研究提出了一种基于机器学习的方法，包括天气数据，以预测整个城市的公共自行车需求。使用机器学习模型来预测每小时所需的租赁自行车数量。自行车需求必须与可用的独立变量建模。管理层可以根据需求的不同特征来调整业务策略，以满足需求水平并符合客户的期望。此外，该模型将是管理层了解新市场需求动态的一种良好方式。 ## 4. 模型构建步骤 1）读取和理解数据 2）可视化数据 3）数据准备 4）将数据分割为训练集和测试集 5）对训练数据进行特征缩放 6）构建模型 7）对训练数据进行残差分析 8）使用最终模型进行预测 9）模型评估 ## 5. 数据可视化 ### 1）热力图  - 从热力图可以明显看出，变量“小时”、“温度”和“露点温度”对目标变量影响较大。 - 我们可以看到独立变量“温度”和“露点温度”高度相关。 ### 2）按季节分的租赁自行车数量  - 从图表中可以看出，夏季租赁自行车数量最多。 - 冬季，与其他季节相比，人们更倾向于租赁较少的自行车。 ### 3）假日和非假日租赁自行车数量  - 假日租赁的自行车很少。 - 大多数自行车是在非假日租赁的。 ### 4）太阳辐射与租赁自行车数量  ### 5）租赁自行车数量和一天的小时数  - 在下午4点到晚上10点之间，租赁自行车的使用量很大。这意味着人们在下班回家时会租用自行车，以避免交通拥堵。 - 早上8点，租赁自行车的使用量高于正常水平。这意味着人们会租用自行车去上班或送孩子上学。 ## 6）特征重要性  ##