סיכום: השכרת אופניים

חלק מהיחידה למידה מונחית במסלול ה-Machine Learning של Coddy. שיעור 15 מתוך 58.

אתגר

בינוני

תוכנית השכרת האופניים של עיר מתכננת את צי האופניים שלה לפי תחזית מזג האוויר. בקובץ bike_days.csv יש נתונים של 120 ימים: temp_c, humidity, wind_kmh, weekend (1 או 0) ו-rentals.

השאר רבעון אחד לבדיקה (random_state=0) והתאם מודל LinearRegression להשכרת האופניים לפי ארבעת ה-features.
הדפס את ה-MAE של נתוני הבדיקה (מספר השכרות שלם), את R בריבוע (3 ספרות אחרי הנקודה העשרונית) ואת המשקל של הטמפרטורה (ספרה אחת אחרי הנקודה העשרונית).
צור תרשים פיזור של שאריות הבדיקה מול temp_c, עם קו מקווקו ב-0. תן לתרשים את הכותרת Misses by Temperature; תן לצירים את התוויות Temperature (C) ו-Residual (rentals).

הדוח של עיר אחרת:

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

שאריות של עיר אחרת מול הטמפרטורה: 30 נקודות סביב קו אפס מקווקו, נמוכות בימים קרים, גבוהות בימים מתונים סביב 18 מעלות, ושוב נמוכות בימים החמים ביותר

לאחר מכן Coddy מתאר את התרשים שלך. מה הוא מלמד את תוכנית השכרת האופניים על ימים חמים?

נסו בעצמכם

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"]

# כתבו את הקוד שלכם למטה