Cab Fare Prediction

タクシーと予測

githubフォルダーには：

1. rプロジェクトのコード '.r形式'：RRを使用したキャブ運賃予測
2. Pythonプロジェクトコードin '.ipynb形式'：python.ipynbを使用したキャブ運賃予測
3. プロジェクトレポート：CAB運賃予測。pdf
4. 問題statement.pdf
5. Python：cab_fare_xgboost_model.rarからトレーニングデータセット全体でトレーニングされた保存モデル
6. Pythonからトレーニングデータセット全体でトレーニングされた保存モデル：final_xgboost_model_using_r.rar
7. CSV形式のテストデータセットの予測：Predition_xgboost.csv

問題ステートメント

このプロジェクトの目的は、データセット内の次のデータ属性に基づいてキャブ運賃の量を予測することです。

 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.

これは回帰問題です。

このプロジェクトで実装されたすべての手順

1. データの前処理。
2. データの視覚化。
3. 外れ値分析。
4. 値分析の欠落。
5. 機能選択。

• 相関分析。
• カイ二乗検定。
• 分散分析（ANOVA）テスト
• 多重共線性テスト。

6. 機能スケーリング。

• 正規化。

7. 電車と検証データセットに分割します。
8. ハイパーパラメーターの最適化。
9. モデル開発I.線形回帰II。尾根回帰III。ラッソ回帰IV。決定ツリーV.ランダムフォレスト
10. 精度a）アルゴリズムチューニングb）アンサンブル------回帰のxgboostはモデルa）検証データセットの予測b）トレーニングデータセット全体でスタンドアロンモデルを作成するc）後で使用するモデルを保存
11. Pythonコード