Повторение: прокат велосипедов
Часть раздела Обучение с учителем путешествия по Machine Learning на Coddy. Урок 15 из 58.
Задание
СреднеСистема проката велосипедов в городе планирует размер своего парка, опираясь на прогноз погоды. В bike_days.csv содержатся данные за 120 дней: temp_c, humidity, wind_kmh, weekend (1 или 0) и rentals.
- Оставь четверть данных для тестирования (
random_state=0) и обучиLinearRegressionпрогнозировать число аренд по четырём признакам. - Выведи MAE на тестовой выборке (целое число аренд), коэффициент детерминации R² (3 знака после запятой) и вес температуры (1 знак после запятой).
- Построй диаграмму рассеяния тестовых остатков относительно
temp_cи добавь пунктирную линию на уровне 0. Укажи заголовокMisses by Temperature; подпиши осиTemperature (C)иResidual (rentals).
Отчёт другого города:
Typical miss: 187 rentals a day
R squared: 0.512
Each extra degree adds 21.4 rentalsЗатем Coddy описывает твою диаграмму. Что она сообщает системе проката о жарких днях?
Попробуйте сами
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"]
# Напишите свой код ниже
Все уроки раздела Обучение с учителем
1Ваша первая модель
Обучение на примерахОбучающая и тестовая выборкиОбучение и предсказаниеОценка моделиПовторение: сортировщик семян4Логистическая регрессия
Предсказания «да» или «нет»Порог принятия решенияВеса как свидетельстваНесколько классовПовторение: спам-фильтр2Метод ближайших соседей
Как работает k-NNВыбор kГраницы принятия решенийМасштабирование признаков для поиска соседейПовторение: соседи для вин5Оценка классификаторов
Матрица ошибокТочность и полнотаF1-мераНесбалансированные классыROC-кривыеПовторение: скрининговый тест8Кросс-валидация
K-блочная проверкаСправедливое сравнение моделейПоиск по сеткеПовторение: ремонт скейтбордов11Проект: виды пингвинов
Знакомство с пингвинамиПодготовка данныхВыбор моделиНастройка лучшей моделиЗапуск модели3Линейная регрессия
Предсказание чиселНесколько признаковОценка ошибокГрафики остатковПовторение: прокат велосипедовПотренируйтесь самостоятельно: Онлайн-компилятор Python