Zusammenfassung: Fahrradverleih

Teil des Abschnitts Überwachtes Lernen der Machine Learning-Journey von Coddy. Lektion 15 von 58.

Aufgabe

Mittel

Das Fahrradverleihsystem einer Stadt plant seine Flotte anhand der Wettervorhersage. bike_days.csv enthält 120 Tage: temp_c, humidity, wind_kmh, weekend (1 oder 0) und rentals.

Halte ein Testquartal zurück (random_state=0) und passe eine LinearRegression der Ausleihen anhand der vier features an.
Gib den MAE für den Testdatensatz (ganze Ausleihen), R squared (3 Dezimalstellen) und das Gewicht der Temperatur (1 Dezimalstelle) aus.
Stelle die Residuen des Testdatensatzes als Streudiagramm gegenüber temp_c dar und zeichne eine gestrichelte Linie bei 0 ein. Gib dem Diagramm den Titel Misses by Temperature; beschrifte die Achsen mit Temperature (C) und Residual (rentals).

Der Bericht einer anderen Stadt:

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

Residuen einer anderen Stadt gegenüber der Temperatur: 30 Punkte um eine gestrichelte Nulllinie, niedrig an kalten Tagen, hoch an milden Tagen um 18 Grad, an den heißesten Tagen wieder niedrig

Dann beschreibt Coddy dein Diagramm. Was sagt es dem Fahrradverleihsystem über heiße Tage?

Probier es selbst

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"]

# Schreibe deinen Code unten