Menu
CoddyTech
Bắt đầu học

Ôn tập: Thuê xe đạp

Thuộc phần Học có giám sát trong hành trình Machine Learning của Coddy. Bài học 15 trên 58.

challenge icon

Thử thách

Trung bình

Chương trình cho thuê xe đạp của một thành phố lên kế hoạch cho đội xe dựa trên dự báo thời tiết. bike_days.csv lưu dữ liệu của 120 ngày: temp_c, humidity, wind_kmh, weekend (1 hoặc 0) và rentals.

  1. Để riêng một phần tư dữ liệu làm test (random_state=0) và huấn luyện một mô hình LinearRegression dự đoán số lượt thuê dựa trên bốn features.
  2. In MAE của tập test (làm tròn đến lượt thuê nguyên), R squared (3 chữ số thập phân) và trọng số của nhiệt độ (1 chữ số thập phân).
  3. Vẽ biểu đồ phân tán các phần dư của tập test theo temp_c, với một đường nét đứt tại 0. Đặt tiêu đề là Misses by Temperature; đặt nhãn cho các trục là Temperature (C) và Residual (rentals).

Báo cáo của một thành phố khác:

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

Phần dư theo nhiệt độ của một thành phố khác: 30 chấm nằm quanh đường nét đứt ở mức 0, thấp vào những ngày lạnh, cao vào những ngày thời tiết ôn hòa khoảng 18 độ, rồi lại thấp vào những ngày nóng nhất

Sau đó, Coddy mô tả biểu đồ của bạn. Biểu đồ cho biết điều gì về những ngày nóng?

Tự làm thử

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"]

# Viết code của bạn bên dưới

Tất cả bài học trong Học có giám sát

1Mô hình đầu tiên của bạn

Học từ ví dụTập huấn luyện và tập kiểm traHuấn luyện và dự đoánChấm điểm mô hìnhÔn tập: Bộ sắp xếp hạt giống

4Hồi quy logistic

Dự đoán có hoặc khôngNgưỡng quyết địnhTrọng số là bằng chứngNhiều lớpÔn tập: Bộ lọc thư rác

7Quá khớp

Chưa khớp và quá khớpĐường cong học tậpĐiều chuẩnTập kiểm địnhÔn tập: tinh chỉnh cây

10Quy trình xử lý

Quy trình xử lýCột có kiểu dữ liệu hỗn hợpĐiền giá trị thiếu trong quy trìnhTinh chỉnh quy trìnhÔn tập: Làm sạch và dự đoán

2Láng giềng gần nhất

Cách k-NN đưa ra quyết địnhChọn kRanh giới quyết địnhChuẩn hóa dữ liệu cho láng giềngÔn tập: láng giềng với dữ liệu rượu vang

5Đánh giá bộ phân loại

Ma trận nhầm lẫnĐộ chính xác và độ thu hồiĐiểm F1Các lớp mất cân bằngĐường cong ROCÔn tập: Bài kiểm tra sàng lọc

8Kiểm định chéo

Kiểm định K-FoldSo sánh các mô hình công bằngTìm kiếm lướiÔn tập: Sửa chữa ván trượt

11Dự án: Các loài chim cánh cụt

Làm quen với chim cánh cụtChuẩn bị dữ liệuChọn mô hìnhTinh chỉnh mô hình tốt nhấtĐưa mô hình vào sử dụng

3Hồi quy tuyến tính

Dự đoán các con sốNhiều đặc trưngĐo lường sai sốBiểu đồ phần dưÔn tập: Thuê xe đạp

6Cây quyết định

Cây đặt câu hỏiĐọc câyĐộ sâu của câyTầm quan trọng của đặc trưngÔn tập: quyết định cho vay

9Các mô hình tổ hợp

Rừng ngẫu nhiênVì sao rừng hoạt động hiệu quảTăng cường độ dốcÔn tập: Người kiểm lâm rừng

12Thử thách cuối cùng

Tiến triển của bệnh tiểu đườngPhê duyệt tín dụngChữ số viết tayKhách hàng rời bỏ

Tự luyện tập: Trình biên dịch Python online