机器学习预测共享单车

共享单车

共享单车的数据要从https://archive.ics.uci.edu/ml/dat asets/Bike+Sharing+Dataset这里下载

 

import sklearn

import numpy as np

from matplotlib import pyplot as plt

import pandas as pd

import matplotlib

%matplotlib inline

matplotlib.rcParams['font.sans-serif']=['SimHei']

#分割数据集

from sklearn.model_selection import train_test_split

data=pd.read_csv('./day.csv')

print(data.shape)    #打印几行几列

# print(data.head())  #打印头部

# 删除不需要数据 ,按照列名删除

df=data.drop(['dteday','casual','registered'],axis=1)

print(df.shape) # (731, 12)

# print(df.head()) # 查看没有问题

# print(df.info()) #查看是否有空值

# 分隔数据集

dataset = df.as_matrix() # 将pandas转为np.ndarray

train_set,test_set=train_test_split(dataset,test_size=0.1,random_state=37)

#查看他俩的数据,看看是不是 1/9分

print(train_set.shape) # (657, 13)

print(test_set.shape) # (74, 13)

print(dataset[:3])

# 构建随机森林回归模型

from sklearn.ensemble import RandomForestRegressor

rf_regressor =RandomForestRegressor()

#n_estimators:决策树的个数，越大越好，但是会达到一定边界

rf_regressor=RandomForestRegressor(n_estimators=1000,max_depth=10,min_samples_split=10)

rf_regressor.fit(train_set[:,:-1],train_set[:,-1]) # 训练模型

# 使用测试集来评价该回归模型

predict_test_y=rf_regressor.predict(test_set[:,:-1])

 

import sklearn.metrics as metrics

print('随机森林回归模型的评测结果----->>>')

print('均方误差MSE ：{}'.format(round(metrics.mean_squared_error(predict_test_y,test_set[:,-1])/)))

print('解释方差分  ：{}'.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)))

 

 

下载后导入文件 : :   data=pd.read_csv('./day.csv')    #read_csv  读取csv文件是使用,csv文件与模型代码必须在统一目录下

df=data.drop(['dteday','casual','registered'],axis=1)  #删除某些不要的数据,axis=1是列,axis=0是行

dataset = df.as_matrix()   # 将pandas转为np.ndarray(将表格数据转为矩阵)