预测自行车站的可用性答案

【问题标题】：Predicting availability on a bike station预测自行车站的可用性
【发布时间】：2018-05-16 23:35:19
【问题描述】：

我最终决定开始学习机器学习，为此我试图预测我所在城市公共自行车共享系统的自行车可用性。

我一直在使用 Keras 关注 Machine Learning Mistery 的 tutorials，在这种情况下，它用于多变量时间序列预测 LSTM，我认为这足以解决我的问题。

目前，我正在训练 NN 喂它：weekday(t-1)、free_bikes(t-1) 和 free_bikes(t)。

损失和 val_loss graph 我认为看起来不错（ish）。如果我没记错的话，0.9 的 RMSE 表示我在进行预测时可能会出现错误或 1 辆自行车。

如果所有这些都是正确的，我还想向 NN 提供样本的采集日期，但我遇到了一些我不知道我能解决的问题。添加一个额外的列我得到这种错误：

ValueError: operands could not be broadcast together with shapes (5949,2) (3,) (5949,2)

要将日期添加到问题中，我将在读取文件时删除第 63 行上显示 index_col = 0 的部分。

添加日期来改进预测是否正确，应该如何做？

【问题讨论】：

【解决方案1】：

values = values.astype('float32') 行将所有列转换为 float ，因此所有列都应为数字格式。您的 2 列 Weekday 使用此行转换为整数

values[:, 0] = encoder.fit_transform(values[:, 0])

这一行将第 0（第一）列转换为整数。这里您的第一列是日期。

解决方案： 只需将第二列转换为整数

在上一行之后添加这一行

values[:, 1] = encoder.fit_transform(values[:, 1])

现在回答你的第二个问题

添加日期来改进预测是否正确，应该如何做？

不，不是。您可以只使用月份而不是时间日期

【讨论】：