layout: post
title: 利用itchat库分析微信好友
subtitle:
date: 2019-03-15
author: 阳光和鱼
header-img: img/post-bg-desk.jpg
catalog: true
tags:
- python
- 回归模型
首先通过探索性数据分析得出不同城市、时间、工作日/节假日、天气、温度、风速等对自行车使用量的影响，其次通过三种回归模型（简单线性回归、决策树回归、xgboost回归）对测试集建立模型，并进行检验，通过评估方法RMSE(Root of Mean Squared Error)计算分值，分别为27.13，28.19，15.13。说明xgboost回归模型效果最好。
目录
一、背景介绍
1.1数据来源 1.2数据导入 1.3数据整理 二、探索性数据分析
2.1不同城市平均使用量 2.2不同hour使用量 2.3工作日/节假日自行车使用量 2.4不同天气自行车使用量 2.5不同温度下自行车使用量 2.6不同体感温度下自行车使用量 2.7不同风速下自行车使用量 三、预测模型
3.1简单线性回归模型 3.2决策树回归模型 3.3xgboost回归模型 一、背景介绍 公共自行车低碳、环保、健康，并且解决了交通中“最后一公里”的痛点，在全国各个城市越来越受欢迎。本练习赛的数据取自于两个城市某街道上的几处公共自行车停车桩。我们希望根据时间、天气等信息，预测出该街区在一小时内的被借取的公共自行车的数量。
1.1数据来源 Sofasofa数据分析竞赛题目：数据竞赛：公共自行车使用量预测
1.2数据导入
通过train数据可以看出，共有10000条记录，city0和city1数据记录各占一半，hour平均分布，工作日占比为68.4%，实际温度范围-7.7至38.6℃，平均实际温度15.26℃，因此可以猜测两城市均为北方城市，体感温度范围-15.6至46.8℃，平均实际温度15.3℃，风速范围0-7，大风天气不多，平均风速1.25m/s，自行车租借范围0-249辆，租借平均数50辆左右，租借中位数为39辆。
1.3数据整理
没有数据缺失情况,部分数据应为分类数据类型，而实际为整型，不影响分析，可不处理。
从相关性可以看出，用车时间和当时气温对自行车使用量y有较强关系；气温和体感温度显强正相关（共线性），这个和常识一致。
二、探索性数据分析 2.1不同城市平均使用量
城市0使用量高于城市1。
2.2不同hour使用量
自行车使用量在全天呈现明显趋势：分为早高峰（8时）和晚高峰（17-18时），晚高峰达到120辆左右，高于早高峰的10辆； 晚高峰后使用量逐渐下降，在凌晨4时达到最小值。 早高峰上升过程比晚高峰结束过程更陡，说明相比下班回家时，早晨上班时间更急迫。
2.3工作日/节假日自行车使用量
可以看出，只对城市0有一些影响，但影响不大。
2.4不同天气自行车使用量
从晴好天气、阴天、降雨、强降雨的天气逐渐恶劣的情况下，自行车使用量逐渐下降。在强降雨天气，城市1已经无人租车。
2.5不同温度下自行车使用量
温度与使用量呈现线性关系。
2.6不同体感温度下自行车使用量
温度与使用量呈现线性关系。
2.7不同风速下自行车使用量
风速适中时（2m/s-3m/s），自行车使用量最大。
三、预测模型 3.1简单线性回归模型 由于城市、时间、气温、天气状况、风速五个变量对使用量影响较大，所以以此作为特征变量拟合模型。
简单线性回归模型得分27.13。
3.2决策树回归模型
.jpg](https://github.com/ketra21/picbed/raw/master/picgo/20200312_bike%20(1).jpg)
决策树回归模型得分28.19。
3.3xgboost回归模型
xgboost回归模型得分15.23。
上传到http://sofasofa.io，排名更新后，可以看到RMSE=15.515排名94。
