博客
关于我
拉钩作业:Bikeshare数据集 预测共享单车骑行量
阅读量:231 次
发布时间:2019-03-01

本文共 583 字,大约阅读时间需要 1 分钟。

单车共享数据集文件说明

day.csv: 按天计的单车共享次数(本次作业主要使用此文件)

hour.csv: 按小时计的单车共享次数(可供参考,但在本次作业中无需深入分析)

readme:数据集说明文件

文件字段详解

Instant记录号:数据记录ID

Dteday:日期(格式为YYYYMMDD)

Season:季节编码(1=春天,2=夏天,3=秋天,4=冬天)

yr:年份(0=2011年,1=2012年)

mnth:月份(1-12)

hr:小时(0-23,仅在hour.csv中出现,作业中不予考虑)

holiday:是否为节假日(1=yes,0=no)

weekday:星期几(0-6,0=Sunday,1=Monday等)

workingday:是否为工作日(1=yes,0=no)

weathersit:天气状况(1=晴天,2=多云,3=雾天或阴天,4=小雪、小雨,5=大雨、大雪或大雾)

temp:气温(单位:℃)

atemp:体感温度(单位:℃)

hum:湿度(百分比)

windspeed:风速(单位:km/h)

casual:非注册用户租车人数

registered:注册用户租车人数

cnt:每天每小时的总租车人数(响应变量y)

以上信息详细解释了day.csv文件中的各字段含义及数据特性,建议在实际分析中重点关注cnt字段作为主要响应变量。

转载地址:http://watv.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>