Cab Fare Prediction

出租车预测

GitHub文件夹包含：

1. R'.r格式'的项目代码：使用RR的CAB票价预测
2. python项目代码“ .ipynb格式”：使用python.ipynb的驾驶室票价预测
3. 项目报告：驾驶室票价预测.pdf
4. 问题语句。pdf
5. 从python上培训了整个培训数据集的保存模型：cab_fare_xgboost_model.rar
6. 从Python上培训了整个培训数据集的保存模型：final_xgboost_model_using_r.rar
7. CSV格式的测试数据集上的预测：precadionions_xgboost.csv

问题陈述

该项目的目的是根据数据集中的以下数据属性预测出租车票价金额如下：

 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.

这是一个回归问题。

该项目中实施的所有步骤

1. 数据预处理。
2. 数据可视化。
3. 异常分析。
4. 缺少价值分析。
5. 功能选择。

• 相关分析。
• 卡方测试。
• 方差分析（ANOVA）测试
• 多重共线性测试。

6. 功能缩放。

• 正常化。

7. 分类到火车和验证数据集中。
8. 超参数优化。
9. 模型开发I.线性回归II。山脊回归iii。拉索回归IV。决策树V.随机森林
10. 提高准确性a）算法调整b）合奏 - 回归最终确定模型a）验证数据集的预测b）在整个培训数据集中创建独立模型c）保存模型供稍后使用
11. Python代码