Na podstawie danych ZTM należy przewidzieć stopień zatłoczenia autobusu wjeżdżającego na przystanek.
Analiza, oprócz wstępnej eksploracji danych, zaprojektowania modelu uczenia i wpływu preprocesingu na wyniki, powinna obejmować następujące kwestie:
-
Czy lepiej dokonać predykcji dla zadania regresji czy wyrażając poziom zatłoczenia w sposób dyskretny (np. pusty, zatłoczony, b. zatłoczony itp.)?
-
Czy lepiej stworzyć model globalny dla całego miasta, czy dla pojedynczych lini lub przystanków?
-
Czy istnieją zewnętrzne źródła danych, które da się wykorzystać dla zwiększenia jakości predykcji?
- mapa miasta?
- dane o kolejności przystanków?
Uwagi ogólne:
- Porównać przynajmniej trzy różne modele
- Sformułować wnioski aby były zrozumiałe dla eksperta dziedzinowego, który niekoniecznie rozumie uczenie maszynowe, wyjaśnić co wpływa na wynik predykcji.
- regresja logistyczna - Ala
- klasyfikacja wieloklasowa (SVN) - Patryk
- NN - Dodatek
- xgboost -
Podział miedzy liniami/kursami - wazny podział na testowy i treningowy Zmapować regresje do katergorii i porównać
dla regresji R kwadrat 3 pytanie to zrozumienie danych, ich odwzorowanie
Las losowy
wrażliwość sensivity
https://towardsdatascience.com/classification-of-unbalanced-datasets-8576e9e366af