python线性回归做预测天气_Python线性回归实例:预测自行车流量
下面来尝试预测美国西雅图弗雷蒙特桥的自行车流量,数据源自不同天气、季节和其他条件下通过该桥的自行车统计数据。我们在 3.12 节见过这些数据。
在本节中,我们将自行车数据与其他数据集连接起来,确定哪些天和季节因素(温度、降雨量和白昼时间)会影响通过这座桥的自行车流量。NOAA 已经提供了每日的站点天气预报(http://www.ncdc.noaa.gov/cdo-web/searchdatasetid=GHCND)数据(我用的站点 ID 是 USW00024233),可以用 Pandas 轻松将两份数据连接起来。然后,创建一个简单的线性回归模型来探索与自行车数量相关的天气和其他因素,从而评估任意一种因素对骑车人数的影响。
值得注意的是,这是一个演示在统计模型框架中如何应用 Scikit-Learn工具的案例,模型参数被假设为具有可以解释的含义。就像前面介绍过的那样,虽然这并不是一个介绍标准机器学习方法的案例,但是对模型的解释在其他模型中也会用到。
01/ 加载数据&数据清洗
首先加载两个数据集,用日期作索引:import pandas as pd
counts = pd.read_csv(r'...\BicycleWeather.csv',
index_col='DATE', parse_dates=True)
weather = pd.read_csv('...\BicycleWeather.csv',
index_col='DATE', parse_dates=True)
然后计算每一天的自行车流量,将结果放到一个新的 DataFrame 中:daily = counts.resample('d').sum()
daily['Total'] = daily.sum(axis=1)
daily = daily[['Total']] # remove other columns重采样(Resampling)指的是把时间序列的频度变为另一个频度的过程。
把高频度的数据变为低频度叫做降采样(downsampling),
把低频度变为高频度叫做增采样(upsampling)
在之前的分析中,我们发现同一周内每一天的模式都是不一样的。因此,我们在数据中加上 7 列 0~1 值表示星期几:days = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']for i in range(7):
daily[days[i]] = (daily.index.dayofweek == i).astype(float)
我们觉得骑车人数在节假日也有所变化。因此,再增加一列表示当天是否为节假日:from pandas.tseries.holiday import USFederalHolidayCalendarcal =USFederalHolidayCalendar()holidays = cal.holidays('2012', '2016')
daily = daily.join(pd.Series(1, index=holidays, name='holiday'))
daily['holiday'].fillna(0, inplace=True)
我们还认为白昼时间也会影响骑车人数。因此,用标准的天文计算来添加这列信息:def hours_of_daylight(date, axis=23.44, latitude=47.61):
"""Compute the hours of daylight for the given date"""
days = (date - pd.datetime(2000, 12, 21)).days
m = (1. - np.tan(np.radians(latitude))
* np.tan(np.radians(axis) * np.cos(days * 2 * np.pi / 365.25)))
return 24. * np.degrees(np.arccos(1 - np.clip(m, 0, 2))) / 180.
daily['daylight_hrs'] = list(map(hours_of_daylight, daily.index))
daily[['daylight_hrs']].plot()
plt.ylim(8, 17)
图:西雅图数据白昼时间可视化
我们还可以增加每一天的平均气温和总降雨量。除了降雨量的数值之外,再增加一个标记表示是否下雨(是否降雨量为 0):# 温度是按照1/10摄氏度统计的,首先转换为摄氏度
weather['TMIN'] /= 10
weather['TMAX'] /= 10
weather['Temp (C)'] = 0.5 * (weather['TMIN'] + weather['TMAX'])
## 降雨量也是按照1/10mm统计的,转化为英寸
weather['PRCP'] /= 254
weather['dry day'] = (weather['PRCP'] == 0).astype(int)
daily = daily.join(weather[['PRCP', 'Temp (C)', 'dry day']])
最后,增加一个从 1 开始递增的计数器,表示一年已经过去了多少天。
这个特征可以让我们看到每一年自行车流量的增长或减少:daily['annual'] = (daily.index - daily.index[0]).days / 365.
数据已经准备就绪,来看看前几行:
02/ 线性回归建模
有了上面那些数据之后,就可以选择需要使用的列,然后对数据建立线性回归模型。我们不在模型中使用截距,而是设置 fit_intercept =False,因为每一天的总流量(Total 字段)基本上可以作为当天的截距:(其实此线性回归模型使用截距,即设置 fit_intercept = True,拟合结果也不变。)# Drop any rows with null values
daily.dropna(axis=0, how='any', inplace=True)
column_names = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun', 'holiday',
'daylight_hrs', 'PRCP', 'dry day', 'Temp (C)', 'annual']
X = daily[column_names]
y = daily['Total']
model = LinearRegression(fit_intercept=False)
model.fit(X, y)
daily['predicted'] = model.predict(X)
最后,对比自行车真实流量(Total 字段)与预测流量(predicted 字
段):daily[['Total', 'predicted']].plot(alpha=0.5);
显然,我们丢失了一些关键特征,尤其是夏天的预测数据。要么是由于特征没有收集全(即可能还有其他因素会影响人们是否骑车),要么是有一些非线性关系我们没有考虑到(例如,可能人们在温度过高或过低时都不愿意骑车)。但是,这个近似解已经足以说明问题。下面让我们看看模型的系数,评估各个特征对每日自行车流量的影响:params = pd.Series(model.coef_, index=X.columns)
paramsMon -102705.310902
Tue -103180.477941
Wed -102563.059452
Thu -101897.155223
Fri -102744.245636
Sat -102493.825830
Sun -102273.532756
holiday 1201.764795
daylight_hrs -268.922844
PRCP 3318.213270
dry day -9333.436183
Temp (C) -99.737649
annual -4388.501859
dtype: float64
如果不对这些数据的不确定性进行评估,那么它们很难具有解释力。可以用自举重采样方法快速计算数据的不确定性:
from sklearn.utils import resample
np.random.seed(1)err = np.std([model.fit(*resample(X, y)).coef_
for i in range(1000)], 0)
有了估计误差之后,再来看这些结果:print(pd.DataFrame({'effect': params.round(0),
'error': err.round(0)}))
effect error
Mon -102705.0 1664.0
Tue -103180.0 1662.0
Wed -102563.0 1635.0
Thu -101897.0 1675.0
Fri -102744.0 1634.0
Sat -102494.0 1653.0
Sun -102274.0 1638.0
holiday 1202.0 1712.0
daylight_hrs -269.0 156.0
PRCP 3318.0 1163.0
dry day -9333.0 722.0
Temp (C) -100.0 68.0
annual -4389.0 280.0
首先,星期特征是比较稳定的,工作日骑车的人数显然比周末和节假日要多。其次,白昼时间每增加 1 小时,就平均增加 129 ± 9 个骑车的人;而温度每上升 1 度,则增加 65 ± 4 个骑车的人;如果那天没下雨,那么骑车人数增加 546 ± 33 人;降雨量每增加 1 英寸,骑车人数减少665 ± 62 人。当所有影响因素都生效之后,一年中每多一天骑车人数增加(日环比增幅)28 ± 18 人。
我们的模型的确丢失了一些重要信息。例如,变量的非线性影响因素(例如降雨和寒冷天气的影响)和非线性趋势(例如人们在温度过高或过低时可能都不愿意骑车)在模型中都没有体现。另外,我们丢掉了一些细颗粒度的数据(例如下雨天的早晨和下雨天的傍晚之间的差异),还忽略了相邻日期彼此间的相关性(例如下雨的星期二对星期三骑车人数的影响,或者滂沱大雨之后意外的雨过天晴对骑车人数的影响),这些都可能对骑车人数产生影响。
python线性回归做预测天气_Python线性回归实例:预测自行车流量相关推荐
- python能做什么效果_python对于做SEO主要有什么作用?
一直没完整的解释这个问题,这边详细说下吧.准确说不是Python对SEO有什么作用,而是会一门程序语言对SEO有什么用.Python仅是诸多程序语言中,个人评估下来最为推荐的一种,但用其它程序语言一般 ...
- python可以做什么开发-python适合做什么开发_python未来发展怎么样
python概述 Python是一种面向对象的解释型计算机程序设计语言,由荷兰人Guido van Rossum于1989年发明,第一个公开发行版发行于1991年.Python是纯粹的自由软件, 源代 ...
- python能做什么脚本_Python能做什么
Python 作为一种功能强大的编程语言,因其简单易学而受到很多开发者的青睐.那么,Python 的应用领域有哪些呢? 概括起来,Python 的应用领域主要有如下几个. Web应用开发 Python ...
- python最适合做什么-python适合做什么开发_python未来发展怎么样
python概述 Python是一种面向对象的解释型计算机程序设计语言,由荷兰人Guido van Rossum于1989年发明,第一个公开发行版发行于1991年.Python是纯粹的自由软件, 源代 ...
- python能做app吗_python可以做app么
python语言虽然很万能,但用它来开发app还是显得有点不对路,因此用python开发的app应当是作为编码练习.或者自娱自乐所用,加上目前这方面的模块还不是特别成熟,bug比较多,总而言之,劝君莫 ...
- python爬取历史天气_Python 爬取历史天气数据
Python 爬取历史天气数据 作者:梅昊铭 1. 导读 之前Mo给大家分享过杭州历年天气情况的数据集,相信有不少小伙伴好奇这些数据是怎么获取.今天Mo就来教大家如何使用Python来进行历史天气数据 ...
- python 线性回归 技术方案亮点_python线性回归实战案例
最近在学习朋友常国珍老师的书,内容非常实用!希望深入浅出学习机器学习的同学可学习北大博士常国珍建模实战课程系列常国珍录制的Python 数据科学机器学习教学视频,可以由浅入深的学习机器学习! 本案例代 ...
- python预测药_Python数据分析实例-药品销售分析
学习了Python的各种基础语法和常用包后,你是否对如何使用Python在实际工作中进行数据分析一头雾水?如果是,今天这篇文章一定能带给你一些用数据分析解决实际问题的思路. 数据分析的目的决定了你的分 ...
- python能做机器人吗_python深度学习 人工智能是做机器人吗?
我们经常听到"Python"与"人工智能"这两个词, 也很容易混淆这两个词, 那么Python和人工智能到底什么关系呢? Python人工智能工程师待遇怎么样? ...
最新文章
- 22.6. 视图(View)
- Android使用NDK---函数参数传递-基本类型和数组
- 如何禁用 ASP.NET 网站的所有的 浏览器缓存 ?
- 服务器能像客户端发信息吗,服务器怎么向客户端发信息吗
- Python学习入门4:学习Python无从下手?最好的免费资源想要拿走
- pandas缺失值处理
- 10张漫画解释进程与线程的区别与联系
- C#:将图片文件上传到数据库两种方法。
- bootstrap中日历组件只显示年月
- Kettle工具使用及总结
- 无心插柳,再次浅谈.net资源的回收
- kafka的connect实现数据写入到kafka和从kafka写出
- 飞机上一旅客突然收到生日蛋糕,是个小惊喜
- hyperterminal使用教程_Win 7 使用 XP的超级终端 hyper terminal
- 利用python、selenium和超级鹰 实现B站自动登录
- Java游戏项目之坦克大战
- Python办公自动化 | Task 01 文件自动化处理邮件批量处理
- Jquery取得动态id中的值
- 51Nod - 1247 找规律
- 31-基于单片机的校内小巴士仿真
热门文章
- 《铸梦之路一》帧同步
- {“success“:false,“message“:“操作失败,Can‘t load the XML resource (using TrAX transformer). Error reporte
- 【ARMv8 异常模型入门及渐进2 - 系统寄存器访问方法:op1,CRn,CRm,op2】
- IMX6ULL裸机学习----LED正点原子在韦东山开发板上实现
- 计算机类学术论文常见出版社对应关系
- 公众号自动回复文本字数限制300个字符,如何扩充?
- 我现在正在构建一个神经网络模型,需要用来解决判断晶体材料的声子谱是否有虚频这个问题...
- Feign使用JPA分页类Page和Pageable抛出序列化异常
- 微型微通道输送系统店 学生兼职业务的实施方案
- 【笔记】pth、pt、pkl的区别:pt 常做数据集的数据存储形式