头歌--共享单车之租赁需求预估

咖喱要加力

已于 2023-04-25 17:13:03 修改

阅读量2.6k

点赞数 6

分类专栏：人工智能文章标签：机器学习 python 深度学习

于 2023-04-25 17:00:23 首次发布

本文链接：https://blog.csdn.net/m0_61059796/article/details/130369132

版权

该文通过Python的pandas库进行数据预处理，包括提取日期、小时、年、月、星期等特征，并利用matplotlib进行数据可视化，展示每小时平均租赁次数。接着进行特征工程，添加新的时间特征。最后，使用Ridge回归模型对自行车租赁需求进行预测，通过独热编码处理分类变量并训练模型，生成预测结果。

摘要由CSDN通过智能技术生成

第1关：数据探索与可视化

第2关：特征工程

第3关：租赁需求预估

第1关：数据探索与可视化

import pandas as pd
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt

#********* Begin *********#
train_df = pd.read_csv('./step1/bike_train.csv')
train_df['hour'] = train_df.datetime.apply(lambda x:x.split()[1].split(':')[0]).astype('int')
group_hour=train_df.groupby(train_df.hour)
hour_mean=group_hour[['count','registered','casual']].mean()
fig=plt.figure(figsize=(10,10))
plt.plot(hour_mean['count'])
plt.title('average count per hour')
plt.savefig('./step1/result/plot.png')
plt.show()
#********* End *********#