用精确到点的预测拯救摩拜和哈罗！

2019-05-14 12:54发布

站内文章 / 前沿技术

42 0

来，给爷笑一个

女 | 书童

私信

全文共2595字，预计学习时长6分钟

共享单车变共享垃圾，这个曾红极一时的新鲜玩意儿，终究日薄西山。

因随即取用的便利性，共享单车迅速占领市场，这也是这一产业的最大bug。无码头停放带来的管理成本和对城市公共资源的占用，搞垮了“共享经济”的鼻祖。

而国外的共享单车多数仍保留着停车桩或固定停放站点的租用模式，重点关注车辆的维护和管理，整体市场不温不火。

图片来源：Pexels

反观国内，小黄小蓝小绿五彩缤纷，各家激烈商战，模式照搬。疯狂“大炼钢铁”，导致市场供需比例失衡，最终落得个尸横遍野的下场。

科学预测投放量，供需平衡保“平安”

对于单车区域投放而言，数量的合理分配对平衡供需关系及其重要。

本文将在C＃，NET Core和ML.NET中构建一个线性回归模型，并在共享单车需求数据集上对其进行训练。

然后，就可以科学地预测出某天某时某地需要投放多少辆共享单车了。

图片来源：Pexels

ML.NET是微软的新机器学习库，可以运行线性回归，逻辑分类，聚类，深度学习和许多其他机器学习算法。

磊科是一个能在Windows中，OS / X和Linux上运行的微软多平台NET框架。这是跨平台NET发展的未来。

首先，需要一个有很多共享单车需求数字的数据文件。我们使用大都会特区Capital Bikeshare的UCI Bike Sharing Dataset。该数据集有17380辆单车记录，时间跨度为两年。

文件如下：

它含有17列的逗号分隔文件：

•即时：记录索引

•日期：观察日期

•季节：季节（1 =春季，2 =夏季，3 =秋季，4 =冬季）

•年份：观察年份（0 = 2011,1 = 2012）

•月：观察月份（1至12）

•小时：观察时间（0至23）

•假日：是否是节假日

•平日：观察的一周中的某一天

•WorkingDay：是否是工作日

•天气：观测期间的天气（1 =晴朗，2 =薄雾，3 =小雪/雨，4 =大雨）

•温度：标准温度（摄氏度）

•ATemperature：标准体感温度（摄氏度）

•湿度：标准湿度

•强风：标准风速

•休闲：当时空闲单车用户的数量

•注册：当时注册的单车用户数量

•计数：当时运行的租用单车总数

忽略记录索引，日期和空闲单车和注册单车的数量，并将其他所有内容用作输入特征。最后的列计数是试图预测的数字。

通过构建一个线性回归模型，读取所有的特征列，然后对运行中的出租自行车总数，每个日期，时间和天气条件进行预测。

以下是如何在NET Core中创建新的控制台项目：

$ dotnet new console -o Bikes
$ cd自行车

接下来，安装ML.NET基本包：

$ dotnet add package Microsoft.ML

安装名为BetterConsoleTables的包来显示模型运行结果：

$ dotnet add package BetterConsoleTables

现在准备添加一些类。需要一个类来实现共享单车需求观察，一个类来实现模型的预测。

修改Program.cs的文件：

/// 
/// DemandObservation类拥有一个单一的自行车需求观察记录。
/// 
公共类DemandObservation
{
 [LoadColumn（2）] public float Season {get; 组; }
 [LoadColumn（3）] public float Year {get; 组; }
 [LoadColumn（4）] public float Month {get; 组; }
 [LoadColumn（5）] public float Hour {get; 组; }
 [LoadColumn（6）] public float Holiday {get; 组; }
 [LoadColumn（7）] public float Weekday {get; 组; }
 [LoadColumn（8）] public float WorkingDay {get; 组; }
 [LoadColumn（9）] public float天气{get; 组; }
 [LoadColumn（10）] public float Temperature {get; 组; }
 [LoadColumn（11）] public float NormalizedTemperature {get; 组; }
 [LoadColumn（12）] public float Humidity {get; 组; }
 [LoadColumn（13）] public float Windspeed {get; 组; }
 [LoadColumn（16）] [ColumnName（“Label”）] public float Count {get; 组; }
}
/// 
/// DemandPrediction类包含一个单一的自行车需求预测。
/// 
公共类DemandPrediction
{
 [的ColumnName（ “分数”）]
 public float PredictedCount;
}

DemandObservation类可实现一次出租车出行。注意每个字段如何用一个列属性来修饰，该属性告诉CSV数据加载代码从哪个列导入数据。

我们还将使用一个DemandPrediction类，它将实现单车需求预测。

现在把训练数据载入内存：

/// 
///主程序类。
/// 
静态类程序
{
 //数据集的文件名
 private static string trainDataPath = Path.Combine（Environment.CurrentDirectory，“hour_train.csv”）;
 private static string testDataPath = Path.Combine（Environment.CurrentDirectory，“hour_test.csv”）;
 static void Main（string [] args）
 {
 //创建机器学习环境
 var context = new MLContext（）;
 // load training and test data
 Console.WriteLine("Loading data…");
 var trainingData = context.Data.LoadFromTextFile(
 path: trainDataPath, 
 hasHeader:true, 
 separatorChar: ',');
 var testData = context.Data.LoadFromTextFile(
 path: testDataPath, 
 hasHeader:true, 
 separatorChar: ',');
 // the rest of the code goes here…
 }
}

此代码使用LoadFromTextFile方法将训练和测试数据直接载入内存中。类字段注释会告诉方法如何将加载的数据存储在DemandObservation类中。

现在，开始构建机器学习管道：

// build a training pipeline
// step 1: concatenate all feature columns
var pipeline = context.Transforms.Concatenate(
 DefaultColumnNames.Features,
 nameof(DemandObservation.Season), 
 nameof(DemandObservation.Year), 
 nameof(DemandObservation.Month),
 nameof(DemandObservation.Hour), 
 nameof(DemandObservation.Holiday), 
 nameof（DemandObservation.Weekday），
 nameof（DemandObservation.WorkingDay）， 
 nameof（DemandObservation.Weather）， 
 nameof（DemandObservation.Temperature），
 nameof（DemandObservation.NormalizedTemperature）， 
 nameof（DemandObservation.Humidity）， 
 nameof（DemandObservation.Windspeed））
 //第2步：缓存数据以加快培训速度
 .AppendCacheCheckpoint（上下文）;
//剩下的代码就在这里......

ML.NET中的机器学习模型是通过管道构建的，管道是数据加载，转换和学习组件的序列。

管道包含以下组件：

•串联，它将所有输入数据列合并为一个称为“特征”的列。这个步骤必不可少，因为ML.NET只能在单个输入列上进行训练。

•AppendCacheCheckpoint，用于缓存此时的所有训练数据。这是一个加速学习算法的优化步骤。

应该使用哪种训练算法来建立模型？

或许可以尝试FastTree，或StochasticDualCoordinateAscent，或泊松回归？

我们来尝试四种算法，看看哪种算法产生的结果最低。

均方根误差（RMSE）：SDCA，PoissonRegression，FastTree，和FastTreeTweedie

以下是如何使用该四种算法训练模型：

//设置一系列学习者尝试

(string Name, IEstimator Learner)[] regressionLearners =
{
 ("SDCA", context.Regression.Trainers.StochasticDualCoordinateAscent()),
 ("Poisson", context.Regression.Trainers.PoissonRegression()),
 ("FastTree", context.Regression.Trainers.FastTree()),
 ("FastTreeTweedie", context.Regression.Trainers.FastTreeTweedie())
};
// prepare a console table to hold the results
var results = new Table(TableConfiguration.Unicode(), "Learner", "RMSE", "L1", "L2", "Prediction");
// train the model on each learner
foreach (var learner in regressionLearners)
{
 Console.WriteLine($"Training and evaluating model using {learner.Name} learner…");
 // add the learner to the training pipeline
 var fullPipeline = pipeline.Append(learner.Learner);
 //训练模型
 var trainedModel = fullPipeline.Fit（trainingData）;
 //剩下的代码就在这里......
}
//显示结果
Console.WriteLine（results.ToString（））;

这段代码建立了一个包含各个训练算法名称和类的元组数组。接着，用一个简单的用于循环将每个算法附加到管道中，并调用飞度（...）来训练模型从而测试每个算法。

同时请注意在循环开始之前，如何在结果变量中设置控制台，并在循环结束时显示结果。表是BetterConsoleTables包中的一个助手类，它将以非常好的表格格式显示最终结果。

现在，有了一个已受训练的模型接下来，需要获取测试数据，预测每个数据记录的单车需求，并将其与实际值进行比较：

//评估模型
var predictions = trainedModel.Transform（testData）;
var metrics = context.Regression.Evaluate（
 数据：预测， 
 标签：DefaultColumnNames.Label， 
 得分：DefaultColumnNames.Score）;
//剩下的代码就在这里......

此代码调用变换（...）为文件中的每个单车需求记录设置预测（值）。然后，评估（...）将这些预测值与实际单车需求（量）进行比较，并自动计算三个非常便于使用的指标：

•metrics.Rms：这是均方根误差或RMSE值在机器学习领域中，评估模型并对其准确性进行评级是一种重要的度量方法.RMSE表示一个向量在ñ维空间中的长度，由每个预测中的误差组成。

•metrics.L1：这是平均绝对预测误差，以单车数量表示。

•metrics.L2：这是均方预测误差，或MSE值。注意，RMSE和MSE是相关的：RMSE只是MSE的平方根。

下面让我们使用模型进行预测。

// set up a sample observation
var sample = new DemandObservation()
{
 Season = 3,
 Year = 1,
 Month = 8,
 Hour = 10,
 Holiday = 0,
 Weekday = 4,
 WorkingDay = 1,
 Weather = 1,
 Temperature = 0.8f,
 NormalizedTemperature = 0.7576f,
 Humidity = 0.55f,
 Windspeed = 0.2239f
};
// create a prediction engine
var engine = trainedModel.CreatePredictionEngine(context);
// make the prediction
var prediction = engine.Predict(sample);
// the rest of the code goes here…

创建一个2012年秋季的新自行车纪录，在8月的一个周四上午10点，天气晴朗。

CreatePredictionEngine方法设置预测引擎。两个类型参数是输入数据类和用于保存预测的类。然后只需调用Predict（...）进行单一预测。

需要做的最后一件事是收集控制台表中的所有结果：

// store all results in the console table
results.AddRow(
 learner.Name, 
 metrics.Rms.ToString("0.##"), 
 metrics.L1.ToString（ “0。##”）， 
 metrics.L2.ToString（ “0。##”）， 
 prediction.PredictedCount.ToString（ “0”）

AddRow（）方法将新行添加到控制台表。训练算法放在第1列，然后是RMSE，L1得分，L2得分和样本的需求预测。

看看模型是多么准确。这是在Mac上的Visual Studio Code调试器中运行的代码：