摘要
近年来,共享单车已成为一种受欢迎的出行方式,为了合理投放共享单车并提高利用率,使用Kaggle公开的华盛顿共享单车数据集,通过Stacking集成LGBM(Light Gradient Boosting Machine,轻量级梯度提升机)、RF(Random Forest,随机森林)、XGBoost(eXtreme Gradient Boosting,极度梯度提升树)回归模型,来预测华盛顿共享单车在某个时间段的使用量。结果表明,该方法具有较好的预测性能。通过该模型可以预测共享单车的使用量,并在实际投放共享单车时进行参考,从而提高市场运营效率。同时,当预测值与实际使用值相差较大时,可以通过调查并采取相应措施来提高投放效果。
出处
《科技与创新》
2024年第4期132-134,142,共4页
Science and Technology & Innovation
基金
河南工业大学2021年度教育教学改革研究与实践项目(编号:43)
河南省高等教育研究项目(编号:2021SXHLX144)
教育部产学合作协同育人项目(编号:220600273042027)
河南省高等教育教学改革研究与实践项目(编号:2021SJGLX401)。
