人工智能课程设计报告

1.引言

随着我国经济快速发展，城市人口急剧增加，带来了一系列的社会问题。交通拥堵，环境遭到破坏，公共交通的快速发展可以有效解决人们出行和交通拥堵的问题。自行车具有机动灵活、低碳环保的优点，若自行车可以取代现在的机动车，那么道路就不会那么拥挤，人们的出行效率就会大大提升，汽车废气的排放量也将大大的减少，环境的质量也会提升。同时，为了完美的解决从地铁站到公司、从公交站到家的“最后一公里”路程，共享单车应运而生.

共享单车有效的解决了“走路累，公交挤，开车堵，打车贵”的苦恼。一夜之间，北上广深、甚至部分二线城市，共享单车大街小巷随处可见。继2016年9月26日ofo单车宣布获得滴滴快车数千万美元的战略投资，双方将在共享单车领域展开深度合作之后，摩拜单车也于2017年1月完成D轮2.15亿美元（约合人民币15亿元）的融资，国内共享单车更加火爆，最近一张手机截屏蹿红网络。在这张截图上，24个共享单车应用的图标霸满了整个手机屏幕，真的是“一图说明共享单车的激烈竞争”。而在街头，仿佛一夜之间，共享单车已经到了“泛滥”的地步，各大城市路边排满各种颜色的共享单车。共享经济的不断发展逐渐的改变着人们的日常生活，共享精神也逐渐深入人心。

1.1任务要求

要求运用人工智能相关理论和方法设计计算机系统解决实际问题。

2.详细设计

2.1 设计步骤

1.共享单车骑行数据的获取

运用python库（BeautifulSoup，requests，scrapy）对优易数据网站（http://www.youedata.com/）Kaggle和进行爬取共享单车的骑行数据。

将爬取的数据写入csv文件中：

分析数据集：

数据集来源于加利福尼亚大学欧文分校（UCI）大学的公开数据集：https://archive.ics.uci.edu/ml/datasets/Bike+Sharing+Dataset，本次数据集的信息参考该网站。共享单车数据集包含有两个文件，一个是按天来统计的共享单车使用量数据，另一个是按照小时数来统计的使用量。

共享单车数据集是在2011年至2012年间收集的，此处的共享单车是采用固定桩形式的单车，类似于中国的永安行，并不是我们目前所看到的满大街的小黄车，摩拜之类。

本数据集总共有17389个样本，每个样本有16列，其中，前两列是样本序号和日期，最后三列数据是不同类型的输出结果。

2.导入并理解数据

首先导入并读取查看训练数据和测试数据：

测试数据共7列，10886行，且所以数据完整，没有缺失。然后需要我们通过模型来进行预测。

导包：

3.数据处理与分析

在数据处理过程中，最好将训练数据与测试数据合并在一起进行处理，方便特征的转换。通过查看数据，确保测试数据均无缺失，或不一致。特别是在，日期时间特征由年、月、日和具体小时组成。可以根据日期计算其星期，然后就可以将日期时间拆分成年、月、日和星期5个特点。

分析按天来统计的共享单车使用量数据集：

4.数据分析

规范数据后，快速查看各影响因素的结果：

从相关系数，不同月份、季节对骑行人数的影响。未来更加值观地展现所有特征之间的影响，通过绘制柱状图来实现。

接下来，深入分析各特征的影响规律，对每个特征进行可视化：

由随机森林模型预测分析：

结果说明：

Instant记录号

Dteday：日期

Season：季节（1=春天、2=夏天、3=秋天、4=冬天）

yr：年份，(0: 2011, 1:2012)

mnth：月份( 1 to 12)

hr：小时 (0 to 23) （在hour.csv有）

holiday：是否是节假日

weekday：星期中的哪天，取值为0～6 workingday：

是否工作日 1=工作日 （是否为工作日，1为工作日，0为周末或节假日 weathersit：天气（1：晴天，多云；2：雾天，阴天；3：小雪，小雨；4：大雨，大雪，大雾）

temp：气温摄氏度

atemp：体感温度

hum：湿度

windspeed：

风速

casual：非注册用户个数

registered：注册用户个数

cnt：给定日期（天）时间（每小时）总租车人数，

响应变量y （cnt = casual + registered）

1.输出结果可以看出，这个数据集中没有缺失值，且每一列的数据特征都一致的，不需要进行额外的修改

2.数据集中的season等7列是int64类型，意味着这些数据需要重新转换为独热编码格式，season中的1=spring，2=summer，3=autumn，4=winter，需改成独热编码形成的稀疏矩阵。

构建随机森林回归模型：

直接使用随机森林回归模型直接拟合

绘制不同特征的相对重要性直方图：

3.关键技术

1.导包操作：科学计算包nnumpy，pandas。可视化工具matplotlib，seaborn

Matplotlib是一个python的2d绘图库，我们可以通过这个库将数据绘制成各种2D图形（直方图、散点图，条形图等）。

2.我们做数据可视化，其实就是对数据进行分析，pandas是一个非常强大的数据分析工具包。

通常使用pandas进行下列图形的快速绘图：

1.‘line’

2.‘bar’ for bar plots

3.‘box’ for boxplot

4.‘area’ for area plots

5.‘scatter’ for scatter plots

3.NumPy（Numerical Python）是目前Python数值计算中最为重要的基础包，主要包含以下内容：

·高效多维数组ndarray，提供了基于数组的便捷算数操作以及灵活的广播功能；

·对所有数据进行快速的矩阵计算，而无需编写循环程序；

·对硬盘中数组数据进行读写的工具，并对内存映射文件进行操作；

·线性代数、随机数生成以及傅里叶变换功能；

·用于连接NumPy到C、C++和FORTRAN语言类库的C语言API。

4.Seaborn是基于matplotlib的图形可视化python包。它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。

5.在Python中，有很多数据可视化途径。

Matplotlib非常强大，也很复杂，不易于学习。

Seaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，

大多数情况下使用seaborn就能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。

4.运行结果

4.1 运行环境

硬件配置：

Cpu主频2.80GHz，8GB内存

软件配置：Windows操作系统（x86），python3.6，pycharm

4.2运行结果

打印初始数据集：

直接使用随机森林回归模型结果：

不同特征的相对重要性直方图:

数据可视化分析

一周内骑行时间分析

不同月份骑行人数可视化分析

4.3 实验结果分析

1.在没有对数据集进行任何处理的情况下，采取了默认的随机森林回归模型得到的模型在测试集上的MSE很大，解释方差分和R2都是0.93，表明模拟还可以。

2.从相对重要性图中可以看出，温度对共享单车的使用有较大的影响性，从正常生活中可以理解，冬天太冷或夏天太热，骑行共享单车的人数就会显著减少。所获取的数据集是2011和2012年的，如果要得到更加可信的结果，还需要更多年份的数据。

1.可以从图表中看出秋季和冬季的骑行人数较多，可能是气候的原因，太热人们不愿意骑车出行

2.早上上班和晚上下班高峰期，骑行人数有明显的增加，反观工作时间，骑车的人数较少，上下班时段为使用共享单车的高峰。

3.非工作日中人们出行可能会更多使用汽车或其他公共交通出行，工作日中使用共享单车较多，周末时可能数量会相对减少。

1.在夏季5，6，7，8月份是全年的共享单车使用最多的时候，相比12月与1月是全年用车低峰，冬季户外太冷，共享单车使用急剧下降。

5.心得和结论

5.1结论和体会

本次人工智能课程设计完成了对共享单车数据的分析和数据可视化，从中更加直观的反映不同月份，不同时间共享单车的使用情况，以及使用随机森林回归模型反应影响共享单车使用的因子的重要性。设计中通过直方图，曲线图等图表简练地反映了共享单车的使用情况。

但由于数据集采用的年份较少，不能得到一个更加可信的参考结果，因此还需要更多年份的数据。影响共享单车使用还有地域等等客观因素，这些还没考虑周全，希望以后能完善对其的研究。

设计中遇到的问题：

1）normalize是标准化，另外你这里分别对训练和测试数据标准化是有问题的。分别处理会导致数据分布变得不一样。

2）数据特征工程做的少，类别型特征没有处理。

3）模型跑出来之后，完全没有结果的解析

主要参考文献

[1]加利福尼亚大学欧文分校（UCI）大学的公开数据集https://archive.ics.uci.edu/ml/datasets/Bike+Sharing+Dataset，访问日期：2019年12月.

[2]优易数据网站

http://www.youedata.com/，访问时间：2019年12月

[3]Python机器学习经典实例，Prateek Joshi著，陶俊杰，陈小莉译

[4]《Probabilistic Graphical Models-Principles and Techniques》Koller著

[5]《Introduction to Mathematical Statistics》 第六版，Hogg著

[6]Two Faces of Active Learning50, Dasgupta, 2011

[7]Active Learning Literature Survey8, Settles, 2010

[8]A Survey of Online Failure Prediction Methods2, Salfner, 2010

[9]《统计学习方法》作者李航

[10]《机器学习及其应用》 周志华、杨强主编。

[11]《数学之美》,作者吴军

[12]《Pattern Classification》（《模式分类》第二版）作者Richard O. Duda[5]、Peter E. Hart、David。