向AI转型的程序员都关注了这个号????????????

机器学习AI算法工程   公众号：datayx

根据郑州市某年8-11月各地铁闸机刷卡数据来预测12月1-7日的地铁客流量。通过对数据进行分析和清理后我们发现该问题为时序模型问题，因此我们在建立模型时分析并去除了异常的时间点，再应用构建的时序模型预测出相应的客流量。

代码 以及运行教程  获取：

关注微信公众号 datayx  然后回复  地铁  即可获取。

AI项目体验地址 https://loveai.tech

字段分析

比赛数据给了41个字段的数值，用于预测每日客流量。从题目要求中可知，我们所需要输出的预测结果只有“日期”，“TRADE_ADDRESS（刷卡地点编号）”和“预测客流量”三种数据。这意味着很多所给的字段可能是无用的。并且我们发现，预测客流量并不是一个直观的字段，因此需要我们自己对其进行整理。建立ipython文件Traffic_dataAnalysis。先用pandas库读取csv的数据：

客流量并没有出现在字段中，由题目要求得知，每个站点的日客流量是交易类型21,22之和，因此客流量实际上就是对应行的和。因此我们选择用python进行作图，来判断字段之间的联系和影响。

通过作图我们可以看出，每个月不同刷卡地点的客流量的变化趋势十分接近，因此可以知道刷卡地点TRADE_ADDRESS字段的数据拟合的非常好。

数据清洗

通过分析我们字段我们得出结论，这是一个关于时序模型预测的问题。其余无关的属性字段对预测并没有帮助，可以去除。因为预测的数据单位为天（day），因此我们先将日期进行正则处理，只取年月日（Y-m-d）：

增加字段TRADE_DATE_DAY：

通过dataframe的排序求和，我们获得对应日期对应刷卡地点的客流量字段VAL：

将重新整理的数据输出，此时便得到了用来训练时间序列模型的数据集。

特征工程

新建ipython文件Traffic_modelNPre，对新输出的数据集进行操作。通过分析相关字段的客流量变化，可以看出其波动非常之大，这势必对模型的拟合产生影响，所以我们建立新字段VAL_LOG，对VAL进行指数转化，使变化值处于一个相对小的范围内。

针对整理好的数据，可以分析出：地铁客流的时间序列具有一定的连续性，以一周为单位，整段时间的客流情况会具有相似性。因此对于该题我们决定使用 时间序列模型 作为基本模型进行解答。这时开始继续分析数据：

该函数能提取相应TRADE_ADDRESS的时间序列数据，及每天的平均连接数。

绘图结果如下，可以看出有存在异常的天数。

所以需要写如下函数将异常的日子过滤掉，此处的过滤策略是：对每月特定时间段天数的数据求均值与标准差，然后将均值与标准差落在10%分位数以下和90%分位数以上的日子去除。

去除后序列如下：

将异常的天数筛选出来后，保留剩余的天数所对应的数据，并且将异常天数对应的日客流量取每月正常天数客流量的均值，使得模型能更好的拟合。这样我们便得到了新的数据集，保存在data_final文件夹中。这样，就完成了建立模型的前置工作。

建立模型

数据都已经准备好，可以开始着手模型的构建了。因为地铁人流具有连续性的特征，我们使用ARMA来对预测进行一定的修正，模型如下：

我们选择了8-10月的数据作为临时训练集，将11月1-7日的数据作为验证集来测试模型拟合的好坏。通过计算得到，该时序模型的置信区间落在（2,0），因此我们的时间序列模型p,q数值的取值分别取2和0作为参数。

从结果图上来看，对于时间序列趋势的预测还算不错，但仍存在部分偏差。模型基本构建完成，可以开始进行预测了。

结果预测

按照要求的表格形式，输出成dataframe，

进行输出就完成了预测数据：

我们将训练模型保存，用9月1日-9月7日作为测试集进行预测，与实际数据比对，最终得到的MAE=4135.218。

---

阅读过本文的人还看了以下文章：

TensorFlow 2.0深度学习案例实战

基于40万表格数据集TableBank，用MaskRCNN做表格检测

《基于深度学习的自然语言处理》中/英PDF

Deep Learning 中文版初版-周志华团队

【全套视频课】最全的目标检测算法系列讲解，通俗易懂！

《美团机器学习实践》_美团算法团队.pdf

《深度学习入门：基于Python的理论与实现》高清中文PDF+源码

特征提取与图像处理(第二版).pdf

python就业班学习视频，从入门到实战项目

2019最新《PyTorch自然语言处理》英、中文版PDF+源码

《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码

《深度学习之pytorch》pdf+附书源码

PyTorch深度学习快速实战入门《pytorch-handbook》

【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》

《Python数据分析与挖掘实战》PDF+完整源码

汽车行业完整知识图谱项目实战视频(全23课)

李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材

笔记、代码清晰易懂！李航《统计学习方法》最新资源全套！

《神经网络与深度学习》最新2018版中英PDF+源码

将机器学习模型部署为REST API

FashionAI服装属性标签图像识别Top1-5方案分享

重要开源！CNN-RNN-CTC 实现手写汉字识别

yolo3 检测出图像中的不规则汉字

同样是机器学习算法工程师，你的面试为什么过不了？

前海征信大数据算法：风险概率预测

【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类

VGG16迁移学习，实现医学图像识别分类工程项目

特征工程(一)

特征工程(二) :文本数据的展开、过滤和分块

特征工程(三):特征缩放,从词袋到 TF-IDF

特征工程(四): 类别特征

特征工程(五): PCA 降维

特征工程(六): 非线性特征提取和模型堆叠

特征工程(七)：图像特征提取和深度学习

如何利用全新的决策树集成级联结构gcForest做特征工程并打分？

Machine Learning Yearning 中文翻译稿

蚂蚁金服2018秋招-算法工程师（共四面）通过

全球AI挑战-场景分类的比赛源码(多模型融合)

斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）

python+flask搭建CNN在线识别手写中文网站

中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程

不断更新资源

深度学习、机器学习、数据分析、python

 搜索公众号添加： datayx  

---

机大数据技术与机器学习工程

 搜索公众号添加： datanlp

长按图片，识别二维码