SIGNATE　レンタル自転車利用者数予測に投稿しました 1位 2020/03/01

2020年3月1日2022年9月11日

利用者数を予測する

日本のデータサイエンス訓練サイトSIGNATEに投稿しました。ここでは、PJの内容についてとランキングをお知らせしたいと思います。

概要　今回投稿した概要　投稿リンク　暫定評価は 0.98667 斉藤建一

レンタル自転車の利用者数予測季節情報や気象情報から、レンタル自転車の利用者数を予測しました

2年間の季節情報や気象情報から、各日の1時間ごとのレンタル自転車の利用者数を予測するこのモデルを作成していただきます 。昨今、観光地や都内でもレンタル自転車を見かける機会が増えてきました。
目的地周辺の散策に便利で、お財布にも優しいレンタル自転車の利用は今後も増えていくと考えられます。

データ概要

課題種別：時系列
データ種別：多変量
学習データサンプル数：8645
説明変数の数：13
欠損値：無し

カラム	ヘッダ名称	データ型	説明
0	id	int	インデックスとして使用
1	dteday	date	日付（2011-01-01～2012-12-31）
2	season	int	季節（1=春, 2=夏, 3=秋, 4=冬）
3	yr	bit	年（0=2011, 1=2012）
4	mnth	int	月
5	hr	int	時間
6	holiday	bit	祝日（1=祝日）
7	weekday	int	曜日（0=日, 1=月…6=土）
8	workingday	bit	平日（0=平日, 1=祝日）
9	weathersit	int	天気（1=晴,やや曇り, 2=薄い霧+曇り,霧+千切れ曇,霧+やや曇り,薄い霧, 3=小雪,小雨+雷雨+千切れ曇,小雨+千切れ曇, 4=大雨+凍雨+雷雨+霧,雪+濃い霧）
10	temp	float	規格化した温度（摂氏）（（t-t_min）/（t_max-t_min）, t_min=-8, t_max=+39）
11	atemp	float	規格化した体感温度（摂氏）（（t-t_min）/（t_max-t_min）, t_min=-16, t_max=+50）
12	hum	float	規格化した湿度（最大値の100で割った値）
13	windspeed	float	規格化した風速（最大値の67で割った値）
14	cnt	int	利用者数