【火爐煉AI】機(jī)器學(xué)習(xí)007-用隨機(jī)森林構(gòu)建共享單車需求預(yù)測模型
(本文所使用的Python庫和版本號(hào): Python 3.5, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2 )
共享單車是最近幾年才發(fā)展起來的一種便民交通工具，基本上是我等屌絲上班，下班，相親历谍，泡妞必備神器。本項(xiàng)目擬使用隨機(jī)森林回歸器構(gòu)建共享單車需求預(yù)測模型涯雅，從而查看各種不同的條件下景埃，共享單車的需求量跪帝。
1. 準(zhǔn)備數(shù)據(jù)集
本次使用的數(shù)據(jù)集來源于加利福尼亞大學(xué)歐文分校（UCI）大學(xué)的公開數(shù)據(jù)集：https://archive.ics.uci.edu/ml/datasets/Bike+Sharing+Dataset描函，關(guān)于本次數(shù)據(jù)集的各種信息可以參考該網(wǎng)站崎苗，同時(shí)也可以直接從該網(wǎng)站下載和使用數(shù)據(jù)集狐粱。本次共享單車數(shù)據(jù)集包含有兩個(gè)文件，一個(gè)是按天來統(tǒng)計(jì)的共享單車使用量數(shù)據(jù)胆数，另一個(gè)是按照小時(shí)數(shù)來統(tǒng)計(jì)的使用量肌蜻。
說句題外話，這個(gè)共享單車數(shù)據(jù)集是在2011年至2012年間收集的幅慌，此處的共享單車是采用固定樁形式的單車宋欺，類似于中國的永安行轰豆，并不是我們目前所看到的滿大街的小黃車胰伍，小藍(lán)車，摩拜之類酸休。
下載后骂租，將數(shù)據(jù)集解壓到D:\PyProjects\DataSet\SharingBikes中。本數(shù)據(jù)集總共有17389個(gè)樣本斑司，每個(gè)樣本有16列渗饮，其中，前兩列是樣本序號(hào)和日期宿刮，可以不用考慮互站，最后三列數(shù)據(jù)是不同類型的輸出結(jié)果，最后一列是第十四列和第十五列的和僵缺，因此本模型中不考慮第十四列和第十五列胡桃。
本數(shù)據(jù)集16列對(duì)應(yīng)的信息分別為：
如下為分析數(shù)據(jù)集的主要代碼，此處我沒有深入研究數(shù)據(jù)集各個(gè)特征列之間的關(guān)系磕潮。
# 首先分析數(shù)據(jù)集
dataset_path='D:\PyProjects\DataSet\SharingBikes/day.csv' # 首先只分析day 數(shù)據(jù)
# 首先加載數(shù)據(jù)集
raw_df=pd.read_csv(dataset_path,index_col=0)
# print(raw_df.shape) # (731, 15)
# print(raw_df.head()) # 查看是否正確加載
# print(raw_df.columns)
# 刪除不需要的列翠胰，第1列，第12,13列
df=raw_df.drop(['dteday','casual','registered'],axis=1)
# print(df.shape) # (731, 12)
# print(df.head()) # 查看沒有問題
print(df.info()) # 沒有缺失值 第一列為object,需要進(jìn)行轉(zhuǎn)換
# print(df.columns)
# 分隔數(shù)據(jù)集
dataset=df.as_matrix() # 將pandas轉(zhuǎn)為np.ndarray
# 將整個(gè)數(shù)據(jù)集分隔成train set和test set
from sklearn.model_selection import train_test_split
train_set,test_set=train_test_split(dataset,test_size=0.1,random_state=37)
# print(train_set.shape) # (657, 12)
# print(test_set.shape) # (74, 12)
# print(dataset[:3])
-------------------------------------輸---------出--------------------------------
<class 'pandas.core.frame.DataFrame'>
Int64Index: 731 entries, 1 to 731
Data columns (total 12 columns):
season 731 non-null int64
yr 731 non-null int64
mnth 731 non-null int64
holiday 731 non-null int64
weekday 731 non-null int64
workingday 731 non-null int64
weathersit 731 non-null int64
temp 731 non-null float64
atemp 731 non-null float64
hum 731 non-null float64
windspeed 731 non-null float64
cnt 731 non-null int64
dtypes: float64(4), int64(8)
memory usage: 74.2 KB
None
--------------------------------------------完-------------------------------------
########################小**********結(jié)###############################
1自脯，從打印的結(jié)果可以看出之景，這個(gè)數(shù)據(jù)集中沒有缺失值，且每一列的數(shù)據(jù)特征都是一致的膏潮，故而不需要再額外做這些處理锻狗。
2，數(shù)據(jù)集中season焕参， yr等有7列是int64類型屋谭，代表這些數(shù)據(jù)需要重新轉(zhuǎn)換為獨(dú)熱編碼格式，比如對(duì)于season中龟糕，1=春桐磁，2=夏，3=秋讲岁，4=冬我擂，需要改成獨(dú)熱編碼形成的稀疏矩陣衬以。
#################################################################
2. 構(gòu)建隨機(jī)森林回歸模型
在第一次嘗試時(shí)，我沒有對(duì)原始數(shù)據(jù)進(jìn)行任何的特征分析校摩，也沒有對(duì)數(shù)據(jù)集進(jìn)行修改看峻，直接使用隨機(jī)森林回歸模型進(jìn)行擬合，看看結(jié)果怎么樣衙吩。
# 其次互妓，構(gòu)建隨機(jī)森林回歸器模型
from sklearn.ensemble import RandomForestRegressor
rf_regressor=RandomForestRegressor()
# rf_regressor=RandomForestRegressor(n_estimators=1000,max_depth=10,min_samples_split=0.5)
rf_regressor.fit(train_set[:,:-1],train_set[:,-1]) # 訓(xùn)練模型
# 使用測試集來評(píng)價(jià)該回歸模型
predict_test_y=rf_regressor.predict(test_set[:,:-1])
import sklearn.metrics as metrics
print('隨機(jī)森林回歸模型的評(píng)測結(jié)果----->>>')
print('均方誤差MSE：{}'.format(
round(metrics.mean_squared_error(predict_test_y,test_set[:,-1]),2)))
print('解釋方差分：{}'.format(
round(metrics.explained_variance_score(predict_test_y,test_set[:,-1]),2)))
print('R平方得分：{}'.format(
round(metrics.r2_score(predict_test_y,test_set[:,-1]),2)))
-------------------------------------輸---------出--------------------------------
隨機(jī)森林回歸模型的評(píng)測結(jié)果----->>>
均方誤差MSE：291769.31
解釋方差分：0.92
R平方得分：0.92
--------------------------------------------完-------------------------------------
然后采用（【火爐煉AI】機(jī)器學(xué)習(xí)006-用決策樹回歸器構(gòu)建房價(jià)評(píng)估模型）的方式繪制相對(duì)重要性直方圖，結(jié)果如下：
########################小**********結(jié)###############################
1坤塞，在沒有對(duì)數(shù)據(jù)集進(jìn)行任何處理的情況下冯勉，采用默認(rèn)的隨機(jī)森林回歸器得到的模型在測試集上的MSE非常大，解釋方差分和R2都是0.93摹芙，表明模擬的還可以灼狰。
2，從相對(duì)重要性圖中可以看出浮禾，溫度對(duì)共享單車的使用影響最大交胚，這個(gè)可以理解，比如冬天太冷盈电，夏天太熱時(shí)蝴簇，騎小黃車的人就顯著減少。但圖中顯示年份（yr）是第二個(gè)重要因素匆帚，這個(gè)估計(jì)是因?yàn)槟攴葜挥?011和2012兩年所致熬词，要想得到更加可信的結(jié)果，還需要更多年份的數(shù)據(jù)卷扮。
#################################################################
注：本部分代碼已經(jīng)全部上傳到（我的github）上荡澎，歡迎下載。
參考資料:
1, Python機(jī)器學(xué)習(xí)經(jīng)典實(shí)例晤锹，Prateek Joshi著摩幔，陶俊杰，陳小莉譯
