Cab Fare Prediction

택시-운반 예측

Github 폴더에는 다음이 포함됩니다.

1. r 프로젝트 코드 '.r 형식': RR을 사용한 택시 요금 예측
2. Python Project 코드 '.ipynb format': python.ipynb를 사용한 운전실 요금 예측
3. 프로젝트 보고서 : Cab Fare Prediction.pdf
4. 문제 설명 .pdf
5. Python의 전체 교육 데이터 세트에 대한 저장된 모델 : CAB_FARE_XGBOOST_MODEL.RAR
6. Python에서 전체 교육 데이터 세트에 대한 저장된 모델 : Final_xgboost_model_using_r.rar
7. CSV 형식의 테스트 데이터 세트에 대한 예측 : predictions_xgboost.csv

문제 진술

이 프로젝트의 목적은 데이터 세트의 다음 데이터 속성을 기반으로 택시 요금을 예측하는 것입니다.

 pickup_datetime - timestamp value indicating when the cab ride started.
pickup_longitude - float for longitude coordinate of where the cab ride started.
pickup_latitude - float for latitude coordinate of where the cab ride started.
dropoff_longitude - float for longitude coordinate of where the cab ride ended.
dropoff_latitude - float for latitude coordinate of where the cab ride ended.
passenger_count - an integer indicating the number of passengers in the cab ride.

회귀 문제입니다.

이 프로젝트에서 구현 된 모든 단계

1. 데이터 사전 처리.
2. 데이터 시각화.
3. 이상적인 분석.
4. 결 측값 분석.
5. 기능 선택.

• 상관 관계 분석.
• 카이-제곱 테스트.
• 분산 분석 (ANOVA) 테스트
• 다중 공선 성 테스트.

6. 기능 스케일링.

• 표준화.

7. 열차 및 검증 데이터 세트로 분할.
8. 하이퍼 파라미터 최적화.
9. 모델 개발 I. 선형 회귀 II. 릿지 회귀 III. LASSO 회귀 IV. 의사 결정 트리 V. 임의의 숲
10. 정확도 향상 a) 알고리즘 튜닝 b) 앙상블 ------ XGBOOST 회귀를위한 XGBOOST 모델 a) 검증 데이터 세트에 대한 예측 b) 전체 교육 데이터 세트에서 독립형 모델 생성 c) 나중에 사용하기위한 모델 저장 모델
11. 파이썬 코드