全文鏈接：https://tecdat.cn/?p=33350

原文出處：拓端數(shù)據(jù)部落公眾號(hào)

分析師：Shuli Wang

自行車共享系統(tǒng)是新一代的傳統(tǒng)自行車租賃，從會(huì)員，租賃到歸還的整個(gè)過程已經(jīng)自動(dòng)化。通過這些系統(tǒng)，用戶可以輕松地從特定位置租用自行車，然后在另一個(gè)位置返回。目前，全球約有500多個(gè)自行車共享計(jì)劃，其中包括500多萬輛自行車。今天，由于這些系統(tǒng)在交通、環(huán)境和健康問題中的重要作用，人們對(duì)它們產(chǎn)生了極大的興趣。

除了自行車共享系統(tǒng)有趣的現(xiàn)實(shí)世界應(yīng)用外，這些系統(tǒng)生成的數(shù)據(jù)特征使它們對(duì)研究具有吸引力。與公共汽車或地鐵等其他運(yùn)輸服務(wù)相反，旅行的持續(xù)時(shí)間，出發(fā)和到達(dá)位置明確記錄在這些系統(tǒng)中。此功能將自行車共享系統(tǒng)轉(zhuǎn)變?yōu)榭捎糜诟兄鞘幸苿?dòng)性的虛擬傳感器網(wǎng)絡(luò)。因此，預(yù)計(jì)通過監(jiān)測(cè)這些數(shù)據(jù)可以檢測(cè)到城市中的大多數(shù)重要事件。

本文幫助客戶探索如何利用R語(yǔ)言中的線性回歸模型來準(zhǔn)確預(yù)測(cè)共享單車的需求。線性回歸是一種基于統(tǒng)計(jì)學(xué)原理的預(yù)測(cè)模型，通過建立變量之間的線性關(guān)系，以及使用歷史數(shù)據(jù)和其他相關(guān)因素，可以對(duì)未來共享單車需求進(jìn)行預(yù)測(cè)。

數(shù)據(jù)介紹

相關(guān)分析

correlation analysis 相關(guān)分析是研究現(xiàn)象之間是否存在某種依存關(guān)系,并對(duì)具體有依存關(guān)系的現(xiàn)象探討其相關(guān)方向以及相關(guān)程度，是研究隨機(jī)變量之間的相關(guān)關(guān)系的一種統(tǒng)計(jì)方法。

具體來說，我們可以運(yùn)用相關(guān)分析方法，探究共享單車需求與各種可能影響因素之間的相關(guān)性。這些影響因素可以包括天氣條件、時(shí)間、地理位置、季節(jié)性變化等等。通過收集大量的歷史數(shù)據(jù)，并應(yīng)用相關(guān)分析技術(shù)，我們可以發(fā)現(xiàn)其中的模式和趨勢(shì)，揭示出哪些因素對(duì)共享單車需求影響較大，哪些因素影響較小。例如計(jì)算相關(guān)系數(shù)、繪制相關(guān)圖表等。同時(shí)，還可以強(qiáng)調(diào)相關(guān)分析的重要性，如通過了解需求與各個(gè)因素之間的相關(guān)關(guān)系，共享單車企業(yè)可以更好地進(jìn)行調(diào)度和管理，提供更滿意的服務(wù)。此外，我們也可以說明相關(guān)程度的解釋，例如相關(guān)系數(shù)的取值范圍以及其所代表的相關(guān)強(qiáng)度。

相關(guān)分析在揭示共享單車需求與其他因素的關(guān)系方面具有廣泛的應(yīng)用價(jià)值。通過深入探索和運(yùn)用相關(guān)分析，我們可以為共享單車行業(yè)的決策和發(fā)展提供更為可靠的數(shù)據(jù)支持。

直方圖

多元線性回歸

在回歸分析中，如果有兩個(gè)或兩個(gè)以上的自變量,就稱為多元回歸。 計(jì)算公式:

使用最小二乘法來估計(jì)回歸系數(shù)

假設(shè)我們要探究共享單車需求與天氣條件、時(shí)間和地理位置之間的關(guān)系，可以利用多元線性回歸模型來分析這些因素對(duì)共享單車需求的影響。

上述代碼首先創(chuàng)建了一個(gè)數(shù)據(jù)框data，其中包含了三個(gè)自變量：天氣條件、時(shí)間，以及一個(gè)因變量：共享單車需求。然后利用lm函數(shù)建立了一個(gè)多元線性回歸模型。最后，通過summary函數(shù)輸出回歸模型的摘要信息，包括回歸系數(shù)、顯著性水平、擬合優(yōu)度等指標(biāo)。

模型評(píng)估

R-square 擬合優(yōu)度，又稱為可決系數(shù)(coefficient of determination)是指回歸直線對(duì)觀測(cè)值的擬合程度.

關(guān)于分析師

在此對(duì)Shuli Wang對(duì)本文所作的貢獻(xiàn)表示誠(chéng)摯感謝，?她在上海大學(xué)完成了信息管理學(xué)位，專注數(shù)據(jù)采集、分析領(lǐng)域。擅長(zhǎng)R語(yǔ)言、Python。

最受歡迎的見解

1.R語(yǔ)言多元Logistic邏輯回歸 應(yīng)用案例

2.面板平滑轉(zhuǎn)移回歸(PSTR)分析案例實(shí)現(xiàn)

3.matlab中的偏最小二乘回歸（PLSR）和主成分回歸（PCR）

4.R語(yǔ)言泊松Poisson回歸模型分析案例

5.R語(yǔ)言混合效應(yīng)邏輯回歸Logistic模型分析肺癌

6.r語(yǔ)言中對(duì)LASSO回歸，Ridge嶺回歸和Elastic Net模型實(shí)現(xiàn)

7.R語(yǔ)言邏輯回歸、Naive Bayes貝葉斯、決策樹、隨機(jī)森林算法預(yù)測(cè)心臟病

8.python用線性回歸預(yù)測(cè)股票價(jià)格

9.R語(yǔ)言用邏輯回歸、決策樹和隨機(jī)森林對(duì)信貸數(shù)據(jù)集進(jìn)行分類預(yù)測(cè)