4.1 Bisiklet Kiralama (Bike Rentals)- Regresyon
Bu veri kümesi, Washington D.C.’deki Capital-Bikeshare adlı bisiklet kiralama şirketinden kiralanan bisikletlerin günlük sayısını, hava durumu ve mevsim bilgileriyle birlikte içermektedir. Capital-Bikeshare, bu veriyi açık bir şekilde paylaşarak erişime sunmuştur. Fanaee-T ve Gama (2013)14 hava durumu ve mevsim bilgilerini bu veri kümesine eklemiştir. Hedef, hava durumuna ve gün bilgisine göre kaç bisikletin kiralanacağını tahmin etmektir. Veriyi, UCI Makine Öğrenmesi Deposu’ndan indirebilirsiniz.
Bu kitapta kullanılan örnekler için veri kümesine yeni özellikler eklenmiş ve tüm orijinal özellikler kullanılmamıştır. Kullanılan özelliklerin listesi aşağıdadır:
Hem gündelik hem de kayıtlı kullanıcılar dahil olmak üzere kiralanan bisiklet sayısı. Bu sayı, regresyon görevi için hedef olarak kullanılmıştır.
Mevsim bilgisi: İlkbahar, yaz, sonbahar veya kış.
Günün tatil olup olmadığını belirten gösterge.
Yıl bilgisi: 2011 veya 2012.
01.01.2011 tarihinden (veri kümesindeki ilk gün) itibaren geçen gün sayısı. Bu özellik, zaman içindeki trendi dikkate almak amacıyla eklenmiştir.
Günün çalışma günü mü yoksa hafta sonu mu olduğunu belirten gösterge.
O günün hava durumu. Aşağıdakilerden biri:
açık, az bulutlu, parçalı bulutlu, bulutlu
sis + bulutlar, sis + dağınık bulutlar, sis + az bulutlar, sis
hafif kar, hafif yağmur + gök gürültülü sağanak + dağınık bulutlar, hafif yağmur + dağınık bulutlar
şiddetli yağmur + dolu + gök gürültülü sağanak + sis, kar + sis
Derece Celsius cinsinden sıcaklık.
Bağıl nem oranı (yüzde cinsinden 0 ila 100).
Saatte kilometre cinsinden rüzgar hızı.
Bu kitaptaki örnekler için veriler biraz işlenmiştir. Nihai RData dosyasıyla birlikte işleme adımlarının bulunduğu R-skriptine kitabın GitHub deposundan ulaşabilirsiniz.
Fanaee-T, Hadi ve Joao Gama. "Ensemble dedektörleri ve arka plan bilgisini birleştirerek olay etiketleme." Progress in Artificial Intelligence. Springer Berlin Heidelberg, 1–15. https://doi.org/10.1007/s13748-013-0040-3. (2013).
Last updated