简单线性回归——公共自行车使用量预测

#一

使用的数据集是SofaSofa上练习赛的自行车数据，通过简单的分析，构建线性回归模型，RMSE评价好于标杆模型中的线性回归模型和决策树回归模型。

#二

第一步，看看训练数据长啥样子，加载数据，查看下前3个观测

看下数据的说明

看下观测数量以及有没有缺失值

可以看到，共有10000个观测，没有缺失值。

接下来可以看看每个变量的基础描述信息

通过观察可以得出一些猜测，如城市0和城市1基本可以排除南方城市；整个观测记录时间跨度较长，可能还包含了一个长假期数据等。

最后看看相关系数（为了方便查看，绝对值低于0.2的就用nan替代）

从相关性角度去看，用车的时间和当时的气温对对借取数量y有较强关系；气温和体感气温显强正相关（共线性），这个和常识一致

#三

现在开始看看图。

先看下城市和时间变量，对借取量y有没有影响

城市0的借取量高于城市1，借取量的高峰在早上8点和晚上5/6点，和日常上下班高峰时间基本吻合，估计都是命苦的上班族

节假日是否会影响借取量？

可以看出，只对城市0有影响，但影响有限

温度对借取量呈现线性相关

天气对借取量影响明显，而且城市0的人好猛，强降雨天气依然借取出行

风速对借取量也有影响，无风或大风天借取量较少

#四

依据上面的情况，选择城市、时间、当时的气温、天气状况、风速等5个变量作为特征变量拟合模型

模型训练完成，剩下的就是使用测试集进行预测，上传预测结果

RMSE（ 均方根误差 ）

比标杆的线性回归和决策树回归要好。