서울시 자전거 대여 데이터셋 회귀와 분류

서울시 따릉이 공공데이터를 받아와 자전거 대여 회귀분석과 비오는날 분류를 진행합니다.

칼럼설명

• id : 마포구에 있는 따릉이 보관소의 고유 id
• hour : 따릉이 보관소에서 기상상황을 측정한 시간
• temperature : 기온
• precipitation : 비가 오지 않았으면 0, 비가 오면 1, null은 비가 온 것도 아니고 안 온 것도 아니라서 센서가 확실히 측정불가한 상태
• windspeed : 풍속(평균)
• humidity : 습도
• visibility : 시정(視程), 시계(視界)(특정 기상 상태에 따른 가시성을 의미)
• ozone : 오존
• pm10 : 미세먼지(머리카락 굵기의 1/5에서 1/7 크기의 미세먼지)
• pm2.5 : 미세먼지(머리카락 굵기의 1/20에서 1/30 크기의 미세먼지)
• count : 측정한 날짜의 따릉이 대여 수

사용 모델 정리

• DecisionTree(의사결정나무)
  • DecisionTree : DecisionTreeClassifier
  • RegressionTree(회귀나무) : DecisionTreeRegressor
• Ensemble(앙상블)
  • Voting : VotingClassifier & VotingRegressor

    • VotingClassifier 참고자료 https://yganalyst.github.io/ml/ML_chap6-1/

    • VotingRegressor 참고자료

      1. https://runebook.dev/ko/docs/scikit_learn/modules/generated/sklearn.ensemble.votingregressor
      2. https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.VotingRegressor.html#sklearn.ensemble.VotingRegressor
  • Bagging : RandomForestClassifier & RandomForestRegressor
  • Boosting
    • GBM : GradientBoostingClassifier & GradientBoostingRegressor
    • XGBoost : XGBClassifier & XGBRegressor
    • LightGBM : LGBClassifier & LGBRegressor
    • CatBoost : CatBoostClassifier & CatBoostRegressor
      • CatBoost 참고자료 : https://catboost.ai/en/docs/concepts/python-reference_catboostclassifier
  • Stacking : https://lsjsj92.tistory.com/558

코드

해당 링크에 들어가 계산과정을 확인 가능합니다.

Github Page Link

결과

Regressor

R square score for RegressionTree model : 0.654
R square score for RandomForest model : 0.769
R square score for XGBoost model : 0.782
R square score for LightGBM model : 0.768

Classifier

(Accuracy Score)

DecisionTree model : 0.966
RandomForest model : 0.981
XGBoost model : 0.981
LightGBM model : 0.981