共享單車短時(shí)需求量預(yù)測(cè)的機(jī)器學(xué)習(xí)方法比較

曹旦旦，范書(shū)瑞，夏克文

(1. 河北工業(yè)大學(xué)電子信息工程學(xué)院， 天津 300401;2. 河北工業(yè)大學(xué)大數(shù)據(jù)重點(diǎn)實(shí)驗(yàn)室， 天津 300401)

1 引言

在如今這個(gè)大數(shù)據(jù)時(shí)代，通過(guò)對(duì)大數(shù)據(jù)進(jìn)行分析來(lái)快速精確預(yù)測(cè)某一時(shí)間某一地點(diǎn)的共享單車短時(shí)需求量，從而合理地確定單車的投放數(shù)量和調(diào)度安排，是個(gè)亟待解決的問(wèn)題?，F(xiàn)階段對(duì)共享單車需求量預(yù)測(cè)的研究主要有如下方法。在影響共享單車短時(shí)需求量的各種因素方面，Campbell等(2016)[1]通過(guò)對(duì)北京共享單車項(xiàng)目的調(diào)查指出，影響共享單車需求因素主要有距離、氣溫、降水、空氣質(zhì)量等；Matton 和 Godavarthy(2017)[2]指出氣溫、風(fēng)力、降水等氣候條件是影響共享單車需求的主要因素；Faghih-Imani 等(2014)[3]提出，時(shí)點(diǎn)因素也是影響共享單車需求的重要變量，包括每天的時(shí)間段、是否周末、高峰時(shí)間等；Zhang等[4]和Li等[5]還發(fā)現(xiàn)車站的位置、大小、服務(wù)范圍是否重疊也會(huì)對(duì)車輛的需求量產(chǎn)生影響。在共享單車需求預(yù)測(cè)方法方面，文獻(xiàn)[6]對(duì)共享單車需求的預(yù)測(cè)采用的方法集中在傳統(tǒng)線性O(shè)LS模型、二分類和多分類Logit模型等，這些經(jīng)驗(yàn)?zāi)Ｐ托枰罅坑^測(cè)數(shù)據(jù)，且具有明顯的局域性，回歸關(guān)系不能很好符合實(shí)際情況。Kaltenbrunner等人[7]對(duì)里昂和巴塞羅那的公共自行車系統(tǒng)采用時(shí)間序列分析來(lái)預(yù)測(cè)其每小時(shí)的需求情況。Bacciu 等(2017)[8]采用機(jī)器學(xué)習(xí)中的支持向量機(jī)和隨機(jī)森林模型預(yù)測(cè)了共享單車站點(diǎn)是否會(huì)在短時(shí)間內(nèi)有單車歸還，但沒(méi)有系統(tǒng)討論單車使用的短期需求等問(wèn)題。

目前國(guó)內(nèi)外對(duì)在短時(shí)間內(nèi)的共享單車需求量預(yù)測(cè)的研究較少。而機(jī)器學(xué)習(xí)由于其預(yù)算速度高效，預(yù)測(cè)精度高且應(yīng)用范圍廣等優(yōu)點(diǎn)，已經(jīng)廣泛應(yīng)用于各種算法和計(jì)算機(jī)等交叉學(xué)科。為了避免上述算法的缺陷，本文提出了當(dāng)前最為主流的五種機(jī)器學(xué)習(xí)模型：隨機(jī)森林，極端隨機(jī)樹(shù)，人工神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)和XGBoost。將這幾種模型分別應(yīng)用于美國(guó)共享單車系統(tǒng)，并在bike-sharing數(shù)據(jù)集上對(duì)各學(xué)習(xí)方法進(jìn)行了仿真。通過(guò)性能比較發(fā)現(xiàn)，極端隨機(jī)樹(shù)和隨機(jī)森林方法在實(shí)驗(yàn)中效果比較好，可以用來(lái)對(duì)單車短時(shí)需求量進(jìn)行預(yù)測(cè)。

和之前的預(yù)測(cè)方法相比較，本文所使用的需求量預(yù)測(cè)方法的創(chuàng)新之處在于：①上述已做的相關(guān)工作中，對(duì)單車需求量的預(yù)測(cè)主要使用一個(gè)方法，而本文則使用了多個(gè)機(jī)器學(xué)習(xí)方法，實(shí)現(xiàn)對(duì)需求量的預(yù)測(cè)，并對(duì)不同方法的預(yù)測(cè)效果以及相關(guān)指標(biāo)進(jìn)行了對(duì)比。②和其它相關(guān)工作相比較，本文將大數(shù)據(jù)機(jī)器學(xué)習(xí)方法引入共享單車行業(yè)的“小時(shí)級(jí)”短期需求預(yù)測(cè)，提升行業(yè)對(duì)即時(shí)性需求的預(yù)測(cè)效率，從而輔助企業(yè)的實(shí)時(shí)調(diào)度，提高單車資源的整體利用水平。

2 基于機(jī)器學(xué)習(xí)的單車需求量預(yù)測(cè)方法工作原理

2.1 支持向量回歸機(jī)

SVM是一種有監(jiān)督學(xué)習(xí)模型，通常用來(lái)解決線性和非線性問(wèn)題。本次研究中需構(gòu)建非線性的單車需求量預(yù)測(cè)回歸模型。SVM利用非線性映射算法將影響單車需求量的的低維特征空間非線性轉(zhuǎn)化到另一個(gè)高維空間使其線性可分，從而在高維特征空間采用線性方法對(duì)影響單車需求量樣本的非線性特征進(jìn)行線性分析。在搭建模型的過(guò)程中，采用核函數(shù)RBF來(lái)預(yù)測(cè)每小時(shí)的單車需求量，因?yàn)镽BF核函數(shù)不僅可以處理線性可分和不可分問(wèn)題，且參數(shù)少，構(gòu)建的模型的復(fù)雜度低，預(yù)測(cè)效率高。

2.2 人工神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)構(gòu)建網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，通過(guò)確定學(xué)習(xí)規(guī)則、模擬人體神經(jīng)元的工作過(guò)程。其結(jié)構(gòu)由輸入層、隱藏層和輸出層構(gòu)成。本文的網(wǎng)絡(luò)結(jié)構(gòu)為：輸入層由10個(gè)神經(jīng)元組成，代表影響單車需求量的10個(gè)特征變量，隱層設(shè)置為4個(gè)神經(jīng)元，輸出層由1個(gè)神經(jīng)元組成，不同的層次之間具有不同的網(wǎng)絡(luò)權(quán)值，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)問(wèn)題就是網(wǎng)絡(luò)權(quán)值的調(diào)整問(wèn)題。網(wǎng)絡(luò)權(quán)值確定后，對(duì)于給定的輸入，通過(guò)整個(gè)網(wǎng)絡(luò)的處理，得到最終的輸出結(jié)果。

2.3 隨機(jī)森林

隨機(jī)森林是利用多棵CART樹(shù)對(duì)訓(xùn)練集樣本進(jìn)行訓(xùn)練，然后對(duì)測(cè)試集樣本進(jìn)行回歸預(yù)測(cè)的模型。它由多個(gè)決策樹(shù)構(gòu)成，且這些決策樹(shù)之間無(wú)關(guān)聯(lián)性。在用隨機(jī)森林模型預(yù)測(cè)共享單車需求量的過(guò)程中，每當(dāng)輸入一個(gè)新的樣本時(shí)，隨機(jī)森林中的每一棵決策樹(shù)分別對(duì)這個(gè)樣本進(jìn)行一次回歸預(yù)測(cè)，最后將得到的所有的回歸結(jié)果進(jìn)行算術(shù)平均得到的值為最終的模型輸出。

2.4 極端隨機(jī)樹(shù)

Gourt P等人[9]提出了極端隨機(jī)樹(shù)算法，它是一種集成算法。在用極端隨機(jī)樹(shù)模型預(yù)測(cè)共享單車需求量的過(guò)程中，按照決策樹(shù)里的CART算法來(lái)生成基回歸器，且在形成決策樹(shù)的過(guò)程中隨機(jī)性強(qiáng)，每個(gè)基回歸器使用全部的影響單車需求量的特征樣本進(jìn)行訓(xùn)練；這樣重復(fù)迭代K次，生成K顆決策樹(shù)，直至生成極端隨機(jī)樹(shù)；最后用該極端隨機(jī)樹(shù)對(duì)單車數(shù)據(jù)集的測(cè)試樣本進(jìn)行預(yù)測(cè)，得出每小時(shí)的單車需求總量，然后統(tǒng)計(jì)一下所有的基回歸器的預(yù)測(cè)結(jié)果，通過(guò)投票決策的方法來(lái)產(chǎn)生最終的回歸預(yù)測(cè)結(jié)果。

2.5 XGBoost

XGBoost算法的基本思想是把多棵預(yù)測(cè)準(zhǔn)確率較低的樹(shù)模型組合起來(lái)，構(gòu)建一個(gè)準(zhǔn)確率較高的模型。該模型不斷地迭代提升，每次迭代生成一棵樹(shù)來(lái)擬合上一棵樹(shù)的殘差。最后訓(xùn)練完成得到K棵樹(shù)，來(lái)預(yù)測(cè)一個(gè)樣本的分?jǐn)?shù)，最后將每棵樹(shù)對(duì)應(yīng)的分?jǐn)?shù)加起來(lái)后就得到了該樣本的預(yù)測(cè)值。

3 實(shí)驗(yàn)分析

3.1 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)集

3.1.1 實(shí)驗(yàn)環(huán)境

本次實(shí)驗(yàn)環(huán)境在Windows7系統(tǒng)中使用Anaconda Navigator3(Jupyter notebook)，Python3.6為實(shí)驗(yàn)平臺(tái)進(jìn)行仿真。

3.1.2 實(shí)驗(yàn)數(shù)據(jù)說(shuō)明

針對(duì)本次研究選用 UCI(University of California Irvine)的Bike Sharing Dataset 中的每小時(shí)自行車使用量部分。相應(yīng)的，由于自行車騎行情況同天氣有明顯的關(guān)系，所以數(shù)據(jù)中的特征變量主要由相關(guān)氣候指數(shù)組成，比如溫度，濕度，是否下雨，所處季節(jié)等，同時(shí)還包括假日以及周末等特征。該自行車使用數(shù)據(jù)來(lái)自于美國(guó)華盛頓特區(qū)2011到2012年兩年的首都共享單車租用記錄和對(duì)應(yīng)時(shí)間的天氣和季節(jié)信息，該數(shù)據(jù)集包含17370個(gè)樣本點(diǎn)。使用的數(shù)據(jù)字段包括16個(gè)變量，其具體名稱和含義見(jiàn)表1。其中具體的時(shí)間因素影響特征又包括24個(gè)時(shí)段變量、7個(gè)星期變量、是否周末、是否其它法定假日以及工作日等多個(gè)維度。

表1 實(shí)驗(yàn)中使用的UCI數(shù)據(jù)集

3.2 影響因子分析

3.2.1 氣象因子的影響

自行車是一種受氣象影響顯著的交通工具，圖3所示為2011-2012年華盛頓地區(qū)共享單車租借總量與五種氣象因子的相關(guān)性熱力分布圖。

圖1 氣象因子與共享單車需求量的熱力圖

由圖可得，共享單車需求量與五種氣象因子之間都存在相關(guān)性，溫度、體感溫度與租車人數(shù)成正相關(guān)-寒冷抑制租車需求，其中temp和atemp的意義及其與count的相關(guān)系數(shù)十分接近，均為0.4，因此可以只取temp作為溫度的特征；濕度與租車人數(shù)負(fù)相關(guān)-雨雪天氣抑制租車需求；單車需求量與溫度和濕度的相關(guān)性最高，分別為0.4和-0.32。

3.2.2 時(shí)間因子的影響

1)共享單車使用量受時(shí)間影響，利用2011-2012年美國(guó)華盛頓地區(qū)共享單車項(xiàng)目數(shù)據(jù)進(jìn)行時(shí)序變化規(guī)律分析，結(jié)果如圖2所示。

圖2 日期與共享單車需求量的折線圖

2012年的租借數(shù)明顯比2011年高，說(shuō)明隨著時(shí)間的推移，共享單車逐漸被更多的人熟悉和認(rèn)可，使用者越來(lái)越多。月份對(duì)租借數(shù)影響顯著，從1月份開(kāi)始每月的租借數(shù)快速增加，到6月份達(dá)到頂峰，隨后至10月緩慢降低，10月后急劇減少。這明顯與季節(jié)有關(guān)。

季節(jié)對(duì)租借數(shù)的影響符合預(yù)期：寒冷季節(jié)(1，2，12月)，工作日租車人數(shù)高于非工作日，寒冷季節(jié)租車以通勤為主；溫暖、涼爽季節(jié)(5-11月)，非工作日租車人數(shù)高于工作日。春季騎車人少，隨著天氣轉(zhuǎn)暖，騎車人逐漸增多，并在秋季(天氣最適宜時(shí))達(dá)到頂峰；隨后進(jìn)入冬季，天氣變冷，騎車人減少。由此得出yr、mnth等時(shí)間因素對(duì)count也存在明顯影響，因?yàn)樵路莺图竟?jié)對(duì)租借數(shù)的影響重合，且月份更加詳細(xì)，因此在隨后的建模過(guò)程中可以選取月份特征，刪除季節(jié)特征。

2)圖3進(jìn)一步考察了以每天的不同時(shí)間段為單位，各星期對(duì)租借數(shù)的影響，并繪制折線圖。

圖3 星期與共享單車需求量的折線圖

上圖中的1-6代表周一到周六，0代表周日。從圖中可以看出，周一到周五租車人數(shù)相對(duì)較多，說(shuō)明非周末情況下上班族需要用車，周一到周五，每天有兩個(gè)高峰期，分別是早上8點(diǎn)左右和下午17點(diǎn)左右用車人較多，正好是工作日的上下班高峰期；而介于兩者之間的白天時(shí)間變化規(guī)律不明顯，可能與節(jié)假日有關(guān)，因此需要考慮這些法定節(jié)假日的影響；而周六日的整體租車人數(shù)比較少，其中周六日的上午9點(diǎn)到下午5點(diǎn)用車人數(shù)較多。進(jìn)一步體現(xiàn)了時(shí)間段尤其是上下班高峰時(shí)間是影響單車需求的重要因素，也體現(xiàn)了節(jié)假日與周末兩個(gè)日期特征對(duì)需求的影響。

3.3 實(shí)驗(yàn)數(shù)據(jù)處理

1)特征篩選：通過(guò)以上對(duì)影響因子的分析，在接下來(lái)建模時(shí)要?jiǎng)h除“注冊(cè)用戶數(shù)量”、“未注冊(cè)用戶數(shù)量”、atemp和季節(jié)這四個(gè)對(duì)預(yù)測(cè)結(jié)果影響較小的特征。

2)虛擬變量：通過(guò)pandas庫(kù)中的get_dummies()函數(shù)對(duì)季節(jié)，月份和天氣等分類變量創(chuàng)建二進(jìn)制虛擬變量；

3)調(diào)整目標(biāo)變量：為了更輕松地訓(xùn)練模型，需要將溫度、濕度和風(fēng)速等連續(xù)變量標(biāo)準(zhǔn)化，使它們的均值為0，標(biāo)準(zhǔn)差為1；同時(shí)保存換算因子，在后續(xù)進(jìn)行預(yù)測(cè)時(shí)可以還原數(shù)據(jù)。

4)數(shù)據(jù)集劃分：本文將總的樣本集劃分為訓(xùn)練集樣本(2011年1月1日0時(shí)至2012年12月10日17時(shí)樣本) 和測(cè)試集樣本(剩余觀測(cè)值)，并對(duì)5種典型的機(jī)器學(xué)習(xí)模型采用5折交叉驗(yàn)證來(lái)設(shè)定。

3.4 實(shí)驗(yàn)方法

基于多種機(jī)器學(xué)習(xí)方法實(shí)現(xiàn)，以及華盛頓地區(qū)共享單車項(xiàng)目數(shù)據(jù)集，完成該地區(qū)每小時(shí)的單車需求量的預(yù)測(cè)。具體實(shí)驗(yàn)方法如下：①首先，對(duì)原始單車項(xiàng)目數(shù)據(jù)進(jìn)行處理，構(gòu)建復(fù)合要求的數(shù)據(jù)集；②通過(guò)調(diào)用訓(xùn)練集完成對(duì)機(jī)器學(xué)習(xí)模型的訓(xùn)練，使模型不斷提高預(yù)測(cè)能力；③通過(guò)調(diào)用驗(yàn)證集對(duì)訓(xùn)練出來(lái)的模型進(jìn)行驗(yàn)證評(píng)估；④對(duì)預(yù)測(cè)效果進(jìn)行統(tǒng)計(jì)分析，判斷預(yù)測(cè)的精確度，并統(tǒng)計(jì)均方誤差、平均絕對(duì)誤差和R平方得分等各項(xiàng)指標(biāo)來(lái)選出最佳的預(yù)測(cè)模型；⑤調(diào)用測(cè)試集，用最優(yōu)模型對(duì)單車需求量進(jìn)行預(yù)測(cè)，并與實(shí)際的騎行人數(shù)進(jìn)行對(duì)比。

3.5 實(shí)驗(yàn)結(jié)果

3.5.1 實(shí)驗(yàn)結(jié)果說(shuō)明

評(píng)價(jià)回歸模型性能的主要的幾個(gè)指標(biāo)是平均絕對(duì)誤差(MAE)、均方誤差(RMSE)、分?jǐn)?shù)以及CV曲線圖等幾個(gè)指標(biāo)，具體定義如下

(1)

(2)

(3)

3.5.2 各模型均方誤差比較結(jié)果

均方誤差是用來(lái)衡量模型預(yù)測(cè)值與真實(shí)值之間的偏差的物理量，當(dāng)有一個(gè)預(yù)測(cè)值和真實(shí)值之間相差特別大時(shí)，那么RMSE就會(huì)很大，說(shuō)明該模型的預(yù)測(cè)效果很差。圖4給出了五種方法的均方誤差結(jié)果比較。均方誤差越低，證明該模型的預(yù)測(cè)準(zhǔn)備率越高。

圖4 均方誤差結(jié)果比較

3.5.3 平均絕對(duì)誤差比較結(jié)果

平均絕對(duì)誤差是衡量模型的預(yù)測(cè)值與真實(shí)值之間平均相差多大的物理量，也就是預(yù)測(cè)值的無(wú)偏性。其值越低，就意味著該模型的預(yù)測(cè)效果越好。圖5給出了五種模型的平均絕對(duì)誤差的比較結(jié)果。

圖5 平均絕對(duì)誤差結(jié)果比較

各個(gè)模型在該數(shù)據(jù)集上的均方誤差及平均絕對(duì)誤差比較結(jié)果如圖4和圖5所示?？梢缘贸觯瑹o(wú)論是RMSE還是MAE，從訓(xùn)練集的預(yù)測(cè)結(jié)果來(lái)看極端隨機(jī)樹(shù)算法的預(yù)測(cè)精度最高，其單車需求量預(yù)測(cè)結(jié)果的均方誤差和平均絕對(duì)誤差分別僅為36.84和22.93，其次是隨機(jī)森林算法，其單車需求量預(yù)測(cè)結(jié)果的均方誤差和平均絕對(duì)誤差分別為38.29和23.52，其它模型在訓(xùn)練集上的回歸預(yù)測(cè)精度大小依次為人工神經(jīng)網(wǎng)絡(luò)(RMSE=41.12，MAE=27.31)>XGboost(RMSE=55.02，MAE=38.25)>支持向量機(jī)回歸(RMSE=98.11，MAE=59.65)。由此可以得出極端隨機(jī)樹(shù)的預(yù)測(cè)精度最高。

3.5.4 R平方得分比較結(jié)果

R平方得分是通過(guò)數(shù)據(jù)的變化來(lái)表征一個(gè)模型擬合的好壞，通過(guò)該值可以精確地得出每個(gè)模型在該數(shù)據(jù)集上的的預(yù)測(cè)精確度。其值越接近1，表明方程的變量對(duì)y的解釋能力越強(qiáng)，這個(gè)模型對(duì)數(shù)據(jù)的擬合效果較好，其值越接近0，表明模型擬合的越差。通過(guò)對(duì)數(shù)據(jù)集進(jìn)行5折交叉驗(yàn)證后的訓(xùn)練集得分和驗(yàn)證集的R得分如圖6和圖7所示。

圖6 訓(xùn)練集上的R得分結(jié)果比較

圖7 驗(yàn)證集上的R得分結(jié)果比較

由上圖可以看出，訓(xùn)練集得分最高的依舊是極端隨機(jī)樹(shù)，R得分已經(jīng)達(dá)到了1.00，說(shuō)明在訓(xùn)練集上的預(yù)測(cè)精度相當(dāng)高，完全不存在預(yù)測(cè)誤差，其次是隨機(jī)森林，預(yù)測(cè)精度達(dá)到0.99，僅次于極端隨機(jī)樹(shù)。接著是人工神經(jīng)網(wǎng)絡(luò)(score=0.953)>XGboost(score=0.843)，最差的是支持向量機(jī)回歸，得分僅為0.336，預(yù)測(cè)精度極低。從驗(yàn)證集預(yù)測(cè)精度來(lái)看，仍然是極端隨機(jī)樹(shù)得分最高為0.941，其次是人工神經(jīng)網(wǎng)絡(luò)，再次是隨進(jìn)森林，得分為0.932，XGboost得分0.837，預(yù)測(cè)誤差大，而支持向量機(jī)回歸對(duì)驗(yàn)證集的預(yù)測(cè)精度極低，僅為0.33，說(shuō)明該模型不適合在該數(shù)據(jù)集上的進(jìn)行預(yù)測(cè)。由此得出極端隨機(jī)樹(shù)的預(yù)測(cè)精度最高。

3.5.5 CV曲線比較結(jié)果

CV學(xué)習(xí)曲線是樣本個(gè)數(shù)和經(jīng)驗(yàn)損失函數(shù)之間的曲線，是監(jiān)督學(xué)習(xí)算法中診斷模型偏差和方差的很好的工具，不僅可以用來(lái)判斷模型是否過(guò)擬合或欠擬合，還可以判斷是否為了提高算法的性能需要收集更多的數(shù)據(jù)。為了驗(yàn)證不同模型在該數(shù)據(jù)集上的擬合能力和預(yù)測(cè)準(zhǔn)確率，將訓(xùn)練數(shù)據(jù)集的大小看成自變量，將模型在訓(xùn)練集上的準(zhǔn)確率和驗(yàn)證集上的準(zhǔn)確率作為因變量來(lái)繪制CV曲線圖如圖8-圖12所示。通過(guò)不同模型的CV曲線圖能夠很直觀地看出模型的擬合問(wèn)題和增加訓(xùn)練數(shù)據(jù)集的大小是否能解決模型的過(guò)擬合問(wèn)題。

由圖8和圖9兩種單一機(jī)器學(xué)習(xí)模型的CV曲線圖可得，支持向量機(jī)模型是高偏差模型，模型在訓(xùn)練集上的準(zhǔn)確率和驗(yàn)證集上的準(zhǔn)確率都很低，在0.4-0.5之間，模型不能很好地?cái)M合數(shù)據(jù)；通過(guò)增加訓(xùn)練數(shù)據(jù)集的個(gè)數(shù)，支持向量機(jī)模型的準(zhǔn)確率有所提升，但是還是處于嚴(yán)重的高偏差狀態(tài)。和該模型相比，人工神經(jīng)網(wǎng)絡(luò)模型則表現(xiàn)的比較好，隨著訓(xùn)練數(shù)據(jù)集的增加，兩條曲線逐漸收斂，說(shuō)明不存在過(guò)擬合現(xiàn)象；模型在訓(xùn)練集上的準(zhǔn)確率和驗(yàn)證集上的準(zhǔn)確率也得到了大幅度提升，此時(shí)增加訓(xùn)練數(shù)據(jù)集的個(gè)數(shù)能夠改善模型的性能。

圖8 支持向量機(jī)模型學(xué)習(xí)曲線圖

圖9 人工神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)曲線圖

圖10，圖11和圖12所示的3個(gè)圖為典型的集成學(xué)習(xí)模型的CV曲線圖。由圖可得，XGboost模型在訓(xùn)練集和驗(yàn)證集上的準(zhǔn)確率都很低，處于高偏差狀態(tài)，且隨著訓(xùn)練數(shù)據(jù)集的增加，效果不但沒(méi)有改善，反而變得更差；隨機(jī)森林模型和極端隨機(jī)樹(shù)模型則表現(xiàn)的比較好，模型在訓(xùn)練集上和驗(yàn)證集上的得分都很高，訓(xùn)練集上的得分分別達(dá)到了0.98和1.00左右，驗(yàn)證集上的得分達(dá)到了0.93和0.94左右，說(shuō)明模型能夠很好地?cái)M合數(shù)據(jù)。隨著樣本的增加，訓(xùn)練集代價(jià)函數(shù)一直都很大，驗(yàn)證集的損失函數(shù)也逐漸增大，具有很小的偏差和方差，誤差逐漸減小。但是，訓(xùn)練準(zhǔn)確率和驗(yàn)證準(zhǔn)確率還是存在較小的差距，說(shuō)明這兩個(gè)模型還是存在輕微的過(guò)擬合。這兩個(gè)模型都很優(yōu)，但是相比與隨機(jī)森林模型，極端隨機(jī)樹(shù)模型更優(yōu)。

圖10 隨機(jī)森林模型學(xué)習(xí)曲線圖

圖11 XGboost模型學(xué)習(xí)曲線圖

圖12 極端隨機(jī)樹(shù)模型學(xué)習(xí)曲線圖

3.5.6 預(yù)測(cè)結(jié)果分析

用以上得到的最優(yōu)網(wǎng)絡(luò)模型對(duì)經(jīng)過(guò)預(yù)處理和轉(zhuǎn)換后的測(cè)試集數(shù)據(jù)進(jìn)行預(yù)測(cè)，預(yù)測(cè)的結(jié)果和實(shí)際的結(jié)果如圖13所示。從圖中可以得出，極端樹(shù)模型能夠很好地預(yù)測(cè)數(shù)據(jù)，除了最后10天，因?yàn)檫@10天是節(jié)假日，自行車需求量和平時(shí)不一樣。預(yù)測(cè)的每小時(shí)使用量曲線和實(shí)際車輛使用量曲線趨勢(shì)相吻合，滿足回歸預(yù)測(cè)過(guò)程中的經(jīng)驗(yàn)誤差要求。因此，極端隨機(jī)樹(shù)預(yù)測(cè)模型在共享單車短期需求預(yù)測(cè)中是可行的。

圖13 預(yù)測(cè)結(jié)果與真實(shí)結(jié)果對(duì)比曲線

4 結(jié)束語(yǔ)

本文把幾種典型的機(jī)器學(xué)習(xí)方法應(yīng)用在美國(guó)共享單車數(shù)據(jù)集上實(shí)現(xiàn)單車的短時(shí)需求量預(yù)測(cè)，并通過(guò)仿真比較了各個(gè)模型的性能。仿真的結(jié)果為：極端隨機(jī)樹(shù)方法在所選城市的數(shù)據(jù)集上的具有很高的預(yù)測(cè)精度，其次是隨機(jī)森林和人工神經(jīng)網(wǎng)絡(luò)，都具有較好的回歸預(yù)測(cè)能力。不僅具有很好的泛化能力，切擬合效果好。相比而言，XGboost模型預(yù)測(cè)效果偏差，支持向量回歸機(jī)最不適合應(yīng)用在該數(shù)據(jù)集上，預(yù)測(cè)精度低，擬合效果差。因此極端隨機(jī)樹(shù)適合于城市共享單車短時(shí)需求量預(yù)測(cè)系統(tǒng)，可以用來(lái)對(duì)單車短時(shí)需求量進(jìn)行預(yù)測(cè)。