مراجعة: استئجار الدراجات

جزء من قسم التعلّم الخاضع للإشراف في رحلة Machine Learning على Coddy. الدرس 15 من 58.

التحدي

متوسط

تخطط خدمة الدراجات في مدينة ما لأسطولها اعتمادًا على توقعات الطقس. يحتوي bike_days.csv على بيانات 120 يومًا: temp_c وhumidity وwind_kmh وweekend (1 أو 0) وrentals.

احجز ربع البيانات للاختبار (random_state=0) ودرّب نموذج LinearRegression للتنبؤ بعدد مرات الاستئجار باستخدام features الأربعة.
اطبع متوسط الخطأ المطلق (MAE) للاختبار (عدد صحيح من مرات الاستئجار)، ومعامل التحديد R squared (3 منازل عشرية)، ووزن درجة الحرارة (منزلة عشرية واحدة).
ارسم مخططًا مبعثرًا لبواقي الاختبار مقابل temp_c فوق خط متقطع عند 0. اجعل عنوانه Misses by Temperature، وسمِّ المحورين Temperature (C) وResidual (rentals).

تقرير مدينة أخرى:

Typical miss: 187 rentals a day
R squared: 0.512
Each extra degree adds 21.4 rentals

بواقي مدينة أخرى مقابل درجة الحرارة: 30 نقطة حول خط الصفر المتقطع، منخفضة في الأيام الباردة، مرتفعة في الأيام المعتدلة عند نحو 18 درجة، ثم منخفضة مجددًا في الأيام الأشد حرارة

ثم يصف Coddy مخططك. ماذا يخبر خدمة الدراجات عن الأيام الحارة؟

جرّب بنفسك

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_error, r2_score

days = pd.read_csv("bike_days.csv")
features = ["temp_c", "humidity", "wind_kmh", "weekend"]

# اكتب الكود الخاص بك أدناه