注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 郑宇共享单车系统中的交通预测

  2. 共享单车在最近一段时间非常火热，越来越多的研究者对其进行分析，郑宇的这片ppt就是根据共享单车的系统数据进行交通预测

  3. 所属分类：机器学习

    • 发布日期：2017-11-08
    • 文件大小：7mb
    • 提供者：xuwang777

  1. ofo共享单车数据

  2. ofo的发展和分析，用户群体，运营思路和方法的分析，对ofo的发展有一个整体的把握。

  3. 所属分类：交通

    • 发布日期：2019-01-19
    • 文件大小：13mb
    • 提供者：qq_42949012

  1. 共享单车数据集

  2. 包含2017年上海地区摩拜单车8月份共享单车数据集，用来做大数据实验分析，等研究。

  3. 所属分类：机器学习

    • 发布日期：2019-03-12
    • 文件大小：42mb
    • 提供者：weixin_43810203

  1. share_bike_ml.py

  2. 对共享单车数据分析，进行数据分析。其中利用随机森林对缺失值进行填补。利用到决策树，随机森林算法等基础算法。后续.....

  3. 所属分类：机器学习

    • 发布日期：2020-04-10
    • 文件大小：15kb
    • 提供者：qq_27695659

  1. 共享单车四个季度的使用情况

  2. 压缩文档，里面是共享单车的使用情况的四个季度的数据，数据分析初学者可以用来练手使用，文件的格式是csv格式的

  3. 所属分类：交通

    • 发布日期：2020-04-05
    • 文件大小：86mb
    • 提供者：zise_xingkong

  1. share_bike.ipynb

  2. python3 共享单车数据分析代码

  3. 所属分类：机器学习

    • 发布日期：2020-07-08
    • 文件大小：507kb
    • 提供者：u011732358

  1. 摩拜共享单车数据分析项目数据、代码、图表

  2. 摩拜共享单车数据分析项目的数据、代码、图表，基于上海摩拜单车的2016年8月份随机抽样大约10万条的开放订单数据进行分析

  3. 所属分类：其它

    • 发布日期：2020-09-30
    • 文件大小：18mb
    • 提供者：atuo200

  1. 共享单车骑行数据分析

  2. Python数据分析实战项目-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。

  3. 所属分类：算法与数据结构

    • 发布日期：2020-11-26
    • 文件大小：340kb
    • 提供者：qq_40507857

  1. kaggle练习-共享单车数据分析

  2. 项目背景：提供两年的每小时租金数据。训练集是每个月的前19天，而测试集是每月的20号到月底。必须仅使用租借期之前的可用信息来预测测试集涵盖的每个小时内租用的自行车总数。 一、载入数据 1.1收集数据 一般而言，数据由甲方提供。若甲方不提供数据，则需要根据相关问题从网络爬取，或者以问卷调查形式收集。本次共享单车数据分析项目数据源于Kaggle [https://www.kaggle.com/c/bike-sharing-demand/data]。 1.2 载入数据 // 载入工具包 import

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：186kb
    • 提供者：weixin_38607026

  1. Bikesharing:使用Tableau在NYC中显示自行车乘车共享数据-源码

  2. 共享单车 项目概况 Tableau是功能强大的数据分析工具，可为非技术人员和技术人员提供易于理解的仪表板。 Tableau可视化为分析人员提供了一种讲述清晰故事并轻松与他人共享该故事的方法。 该项目将使用纽约市cityBike上的数据集，这将有助于为潜在的自行车共享公司创建业务建议。 结果 Tableau公共链接 用户结帐时间 几乎所有自行车一次的检查时间都少于一个小时，大多数骑行时间约为5分钟。 性别结帐时间 大多数自行车都是由男性骑手检查的。 平日每小时每小时的出行次数 在工作日通勤时间（

  3. 所属分类：其它

  1. Communicate-Data-Findings-GoBike201902:未来工作的项目3是数字（FWD）和Udacity“高级数据分析”轨道-源码

  2. 旧金山的福特GoBike自行车之旅（2019年2月）数据集探索 法特玛·马哈茂德（Fatema Mahmoud） 数据集 该数据集包含有关在2019年2月覆盖大旧金山湾地区的自行车共享系统中进行的单次骑行的信息。 调查结果摘要 数据集包含许多男性，而不是女性，以及更多的用户。 用户倾向于在周四，周二和周三骑自行车旅行更多。 在周末，周六和周日的出行次数大致相同。 这是正常现象，这可能表示用户在工作日内骑自行车出行。 大多数行程在7-9 AM和4-6 PM之间进行。 显然，从凌晨12点到凌晨5

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：19mb
    • 提供者：weixin_42151036

  1. bikesharing:与Tableau共享单车-源码

  2. 使用纽约市CitiBike数据进行单车共享 使用Tableau对2019年8月以来纽约市CitiBike自行车共享数据进行的分析 概述 可以完整了解Tableau的故事。 该项目的框架是分析纽约市CitiBike的单车共享数据，以向希望在爱荷华州得梅因市开始单车共享计划的投资者介绍。 得梅因（Des Moines）离纽约市的喧嚣还有很长的路要走，但这种分析可能有助于回答一些关键问题： 谁使用Bikeshare计划？ 哪个城市的自行车共享使用量最多？ 自行车什么时候使用得最多和最少？ 自

  3. 所属分类：其它

  1. Python数据分析--Kaggle共享单车项目实战

  2. 添加正则化项,是指在损失函数上添加正则化项,而正则化项可分为两种:一种是L1正则化项,另一种是L2正则化.我们把带有L2正则化项的回归模型称为岭回归,带有L1正则化项的回归称为Lasso回归.1.岭回归引用百度百科定义.岭回归(英文名：ridgeregression,Tikhonovregularization)是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：1010kb
    • 提供者：weixin_38519763

  1. 共享单车1-源码

  2. 共享单车1 分析概述 Citibike在纽约市提供自行车共享服务。 他们正在寻求在全国其他城市扩展服务，并在爱荷华州得梅因市找到了天使投资人。 共享单车项目将分析2019年8月以来纽约市CITI Bike的数据，然后就其在爱荷华州得梅因市的工作方式提出建议。 结果 您可以在下面查看各种可视化效果，详细说明如何在纽约市使用CITI自行车。 根据这些数据，投资者可以确定如何在得梅因市最佳营销和实施CITI自行车计划。 在查看完整的交互式仪表板。 最佳起点和终点 下图显示了CITI Bikes的顶部起

  3. 所属分类：其它

  1. 共享单车：使用Tableau，使投资者确信在得梅因的共享单车计划是一项可靠的业务建议-源码

  2. 纽约市的Citi Bike分析 分析数据以找出订户数与顾客数，起点和终点，旅行持续时间以及骑手性别分类。 创建了一个仪表板，每个仪表板都具有可视化效果。 仪表板： 挑战：爱荷华州得梅因市是自行车租赁业务的理想地点吗？ 首先使用纽约市的自行车租赁业务Citi Bike Trip Data来创建故事，以支持爱荷华州得梅因市的自行车租赁业务。 我首先比较了两个城市的麦当劳数量，因为这是当地消费的指标。 研究了两个城市的数据，发现麦当劳商店数量，当地人均零售额与人口增长之间的相关性。 麦当劳的数量

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：582kb
    • 提供者：weixin_42139460

  1. 单车项目-源码

  2. = Bikeshare数据分析-Udacity项目= 致谢： = Udacity =（ ）在我追求这个项目的过程中，Udacity的“数据科学纳米级编程”计划及其指导员提供了极大的帮助。 概述： 在此项目中， Python用于探索美国三个主要城市-芝加哥，华盛顿和纽约的与单车共享系统相关的数据。 源代码接受用户的原始输入以创建交互式体验。 根据输入，代码将导入数据并通过计算描述性统计信息提供信息。 使用的文件： bikeshare.py 您可以通过以下链接访问此项目中使用的所有3个

  3. 所属分类：其它

  1. Bikeshare：Udacity的Bikeshare项目-数据分析纳米学位计划-源码

  2. 单车共享 Udacity的数据分析纳米学位项目 介绍 在过去的十年中，自行车共享系统在世界各地的城市中数量和受欢迎程度都在增长。 自行车共享系统使用户可以在短期内以价格租用自行车。 这样一来，人们就可以从A点借自行车，并在B点归还自行车，尽管如果他们只是想兜风，也可以将其归还到同一位置。 无论如何，每辆自行车每天可以为多个用户提供服务。 由于信息技术的兴起，系统的用户很容易进入系统内的基座以解锁或返回自行车。 这些技术还提供了大量数据，可用于探索如何使用这些自行车共享系统。 在此项目中，您将

  3. 所属分类：其它

  1. 共享单车-源码

  2. 共享单车：对纽约市花旗自行车服务的任何分析 分析概述 此分析的目的是检查与纽约市花旗自行车服务相关的数据，以便将数据提供给可能投资该服务到我们客户的家乡爱荷华州得梅因市的潜在投资者。 。 技术 与该分析相关的主要技术是Tableau，用于呈现可视化内容，以说服投资者进行投资。 数据文件是一个大的平面.csv文件。 但是，关键数据列的格式不是准备可视化所需的格式。 因此，使用的第二种技术是Python Pandas，在其中读取.csv并将行程持续时间列从原始的整数格式（秒）转换为Hours：Mi

  3. 所属分类：其它

  1. 共享单车-源码

  2. 分析目的 该分析的目的是向潜在投资者展示，以启动自行车共享业务。 分析的数据基于该想法提出的纽约市。 分析结果 我们进行的第一个分析是乘车次数，这样我们就可以向投资者显示市场规模。 在此信息之后，我们想显示常规客户和订户客户的比例。 结果显示，有1,900,356个订户和443,865个固定客户，这转化为全年不变的客户流量。 此外，我们对数据进行了深入研究，并创建了以下报告：

  3. 所属分类：其它

  1. Python数据分析--Kaggle共享单车项目实战

  2. 添加正则化项,是指在损失函数上添加正则化项,而正则化项可分为两种: 一种是L1正则化项,另一种是L2正则化.我们把带有L2正则化项的回归模型称为岭回归,带有L1正则化项的回归称为Lasso回归.1.岭回归引用百度百科定义.岭回归(英文名：ridgeregression,Tikhonov regularization)是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：982kb
    • 提供者：weixin_38572115
« 12 3 »