Cab Fare Prediction

出租車預測

GitHub文件夾包含：

1. R'.r格式'的項目代碼：使用RR的CAB票價預測
2. python項目代碼“ .ipynb格式”：使用python.ipynb的駕駛室票價預測
3. 項目報告：駕駛室票價預測.pdf
4. 問題語句。pdf
5. 從python上培訓了整個培訓數據集的保存模型：cab_fare_xgboost_model.rar
6. 從Python上培訓了整個培訓數據集的保存模型：final_xgboost_model_using_r.rar
7. CSV格式的測試數據集上的預測：precadionions_xgboost.csv

問題陳述

該項目的目的是根據數據集中的以下數據屬性預測出租車票價金額如下：

 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.

這是一個回歸問題。

該項目中實施的所有步驟

1. 數據預處理。
2. 數據可視化。
3. 異常分析。
4. 缺少價值分析。
5. 功能選擇。

• 相關分析。
• 卡方測試。
• 方差分析（ANOVA）測試
• 多重共線性測試。

6. 功能縮放。

• 正常化。

7. 分類到火車和驗證數據集中。
8. 超參數優化。
9. 模型開發I.線性回歸II。山脊回歸iii。拉索回歸IV。決策樹V.隨機森林
10. 提高準確性a）算法調整b）合奏 - 回歸最終確定模型a）驗證數據集的預測b）在整個培訓數據集中創建獨立模型c）保存模型供稍後使用
11. Python代碼