回顾：自行车租赁
本课属于 Coddy Machine Learning 学习旅程的“监督学习”单元。第 15 课，共 58 课。
挑战
中等某城市的共享单车计划根据天气预报安排车队。bike_days.csv 包含 120 天的数据：temp_c、humidity、wind_kmh、weekend（1 或 0）和 rentals。
- 留出一个季度作为测试集（
random_state=0），用四个features对租车数进行LinearRegression拟合。 - 输出测试集 MAE（租车数取整数）、R 平方（3 位小数）和温度的权重（1 位小数）。
- 绘制测试集残差与
temp_c的散点图，并在 0 处绘制一条虚线。标题设为Misses by Temperature，坐标轴标签设为Temperature (C)和Residual (rentals)。
另一座城市的报告：
Typical miss: 187 rentals a day
R squared: 0.512
Each extra degree adds 21.4 rentals然后 Coddy 会描述你的图表。它告诉共享单车计划，炎热天气会怎样？
亲手试试
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"]
# 在下面编写你的代码
监督学习中的所有课
自己练习： Python 在线编译器