Cab Fare Prediction

كابينة الاشتراك

يحتوي مجلد جيثب على:

1. R رمز المشروع في ".r format": التنبؤ أجرة الكابينة باستخدام RR
2. رمز Python للمشروع في '.ipynb format': التنبؤ بأجرة الكابينة باستخدام python.ipynb
3. تقرير المشروع: التنبؤ بأجرة الكابينة. pdf
4. بيان مشكلة. pdf
5. النموذج المحفوظ المدرب على مجموعة بيانات التدريب بأكملها من Python: CAB_FARE_XGBOOST_MODEL.RAR
6. النموذج المحفوظ المدرب على مجموعة بيانات التدريب بأكملها من Python: Final_xgboost_model_using_r.rar
7. تنبؤات على مجموعة بيانات الاختبار بتنسيق CSV: التنبؤات _xgboost.csv

بيان المشكلة

الهدف من هذا المشروع هو التنبؤ بمبلغ أجرة الكابينة بناءً على سمات البيانات التالية في مجموعة البيانات على النحو التالي:

 pickup_datetime - timestamp value indicating when the cab ride started.
pickup_longitude - float for longitude coordinate of where the cab ride started.
pickup_latitude - float for latitude coordinate of where the cab ride started.
dropoff_longitude - float for longitude coordinate of where the cab ride ended.
dropoff_latitude - float for latitude coordinate of where the cab ride ended.
passenger_count - an integer indicating the number of passengers in the cab ride.

إنها مشكلة الانحدار.

جميع الخطوات التي تم تنفيذها في هذا المشروع

1. البيانات المسبقة للبيانات.
2. تصور البيانات.
3. التحليل الخارجي.
4. تحليل القيمة المفقودة.
5. اختيار الميزة.

• تحليل الارتباط.
• اختبار تشي مربع.
• تحليل التباين (ANOVA) اختبار
• اختبار multicollinarity.

6. ميزة التحجيم.

• تطبيع.

7. الانقسام إلى مجموعة بيانات القطار والتحقق من الصحة.
8. التحسين Hyperparameter.
9. النموذج التنمية I. الانحدار الخطي الثاني. ريدج الانحدار الثالث. Lasso الانحدار الرابع. شجرة القرار V. غابة عشوائية
10. تحسين الدقة أ) ضبط الخوارزمية ب) المجموعات ------ XgBoost للانحدار اللمسات الأخيرة
11. كود بيثون