首页> 中文期刊>商业经济与管理 >大数据驱动下的共享单车短期需求预测——基于机器学习模型的比较分析

大数据驱动下的共享单车短期需求预测——基于机器学习模型的比较分析

     

摘要

基于共享单车项目的多维度大样本数据,以套索回归、岭回归、随机森林和迭代决策树等机器学习模型,探讨了共享单车短期(基于小时)需求预测的主要影响因素,并对不同模型预测效果进行了比较分析.研究结果发现,影响共享单车小时需求的主要因素包括特定的位置因素、时间因素以及天气条件因素.同时,相比普通线性回归、套索回归和岭回归模型,随机森林和迭代决策树模型对共享单车短期即时需求预测的结果更精确,在样本内部拟合和样本外推预测中的拟合优度(R2)更高,标准误差(RMSE)更低,是共享单车行业短期实时需求精准预测的更有效手段.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号