Rekap: Penyewaan Sepeda

Termasuk bagian Pembelajaran Terawasi dalam perjalanan Machine Learning di Coddy. Pelajaran 15 dari 58.

Tantangan

Sedang

Program penyewaan sepeda di sebuah kota merencanakan jumlah armadanya berdasarkan prakiraan cuaca. bike_days.csv berisi data 120 hari: temp_c, humidity, wind_kmh, weekend (1 atau 0), dan rentals.

Pisahkan seperempat data untuk pengujian (random_state=0) dan latih LinearRegression untuk memprediksi jumlah penyewaan berdasarkan keempat features.
Cetak MAE data pengujian (jumlah penyewaan bulat), R squared (3 angka desimal), dan bobot suhu (1 angka desimal).
Buat diagram sebar residual data pengujian terhadap temp_c dengan garis putus-putus pada 0. Beri judul Misses by Temperature; beri label sumbu Temperature (C) dan Residual (rentals).

Laporan kota lain:

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

Residual kota lain terhadap suhu: 30 titik di sekitar garis nol putus-putus, rendah pada hari dingin, tinggi pada hari sejuk sekitar 18 derajat, lalu rendah lagi pada hari terpanas

Kemudian Coddy menjelaskan diagrammu. Apa yang diberitahukan diagram itu kepada pengelola tentang hari-hari panas?

Coba sendiri

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"]

# Tulis kodemu di bawah ini