振り返り：自転車レンタル
CoddyのMachine Learningジャーニー「教師あり学習」セクションの一部。レッスン 15/58。
チャレンジ
中級ある都市の自転車シェア制度では、天気予報をもとに車両数を計画します。bike_days.csvには120日分のデータがあり、temp_c、humidity、wind_kmh、weekend（1または0）、rentalsが含まれています。
- テスト用に四半期分を取り分け（
random_state=0）、4つのfeaturesを使ってレンタル数を予測するLinearRegressionを学習させます。 - テストデータのMAE（レンタル数の整数値）、R squared（小数点以下3桁）、気温の重み（小数点以下1桁）を表示します。
- テストデータの残差を、0の破線を引いたグラフ上に
temp_cに対して散布図で表示します。タイトルをMisses by Temperatureとし、軸にTemperature (C)とResidual (rentals)というラベルを付けます。
別の都市のレポート：
Typical miss: 187 rentals a day
R squared: 0.512
Each extra degree adds 21.4 rentals続いて、Coddyがあなたのグラフについて説明します。このグラフから、暑い日について自転車シェア制度に何がわかりますか？
自分で試してみよう
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"]
# 以下にコードを書いてください
教師あり学習のすべてのレッスン
自分で練習してみよう: Pythonオンラインコンパイラ