Проект "Прогнозирование заказов такси"

Описание проекта

Предоставлены данные Яндекс Практикумом о заказах такси в аэропортах. Чтобы привлекать больше водителей в период пиковой нагрузки, нужно спрогнозировать количество заказов такси на следующий час. Постройте модель для такого предсказания. Целевая переменная ("количество заказов") находится в столбце num_orders.

Размер тестовой выборки должен быть 0.1 от общей выборки.

Значение метрики RMSE на тестовой выборке должно быть не больше 48.

План работы:

1. Подготовка данных:
   • Импортирование библиотек и файлов;
   • Предобработка данных;
   • Feature Engineering.
2. Анализ данных;
3. Обучение:
   • Подготовка данных к обучению;
   • ML-модели:
     • Дерево решений;
     • Случайный лес;
     • Линейная регрессия;
     • Ridge-регрессия;
     • Lasso-регрессия;
     • Нейронная сеть.
4. Тестирование
5. Выводы

Решенные задачи

1. Осуществлен исследовательский анализ данных, добавлены различные признаки - календарные, отстающие и скользящее среднее по 24-м объектам;
2. Обучены 6 ML-моделей, качество которых определялось метрикой RMSE. Наилучшее значение метрики показала Нейронная сеть;
3. Осуществлено тестирование Нейронной сети. Значение RMSE на тестовой выборке составило 43.132;
4. Выведен график "Факт-Прогноз" лучшей модели, а также определены наиболее важные для моделей признаки. Рекомендовано использование Нейронной сети, поскольку ее значение метрики наименьшее.

Изображение проекта

Используемые библиотеки

math, matplotlib, numpy, pandas, random, sklearn, statsmodels, pytorch.