第5回/演習 の履歴(No.4)

• 履歴一覧
• ソース を表示
• 第5回/演習 は削除されています。
  • 1 (2023-08-08 (火) 11:17:16)
  • 2 (2023-10-18 (水) 15:36:14)
  • 3 (2023-10-30 (月) 16:09:25)
  • 4 (2023-10-30 (月) 22:45:54)
  • 5 (2024-05-07 (火) 10:38:18)

---

第5回

第5回演習課題†

課題提出のページを熟読したうえで，以下の演習課題に取り組みなさい。 以下に示すデータを利用し，シェアサイクルの需要を予測する機械学習モデルを作成しなさい。

• https://www2.cmds.kobe-u.ac.jp/~masa-n/dshandson/bike-sharing-day.csv

基礎問題†

Q5-1

• データ準備としてdtedayを日付型に変換、season, holiday, weekday, workingday, weathersitをカテゴリ型に変換せよ。
• season, holiday, weekday, workingday, weathersitはダミー変数化せよ。
• 訓練データとテストデータの比率は8:2に分割しなさい。random_stateは1234とせよ。
• 数値データをスケーリング（標準化）せよ。
• 使用する機械学習モデルは線形回帰を使用せよ。
• 作成した機械学習モデルの性能（決定係数、MAE、MSE、RMSE）を確認せよ。

Q5-2

• 使用する機械学習モデルは回帰木を使用し、木の最大深さは5、random_stateは1234とせよ。
• 作成した機械学習モデルの性能（決定係数、MAE、MSE、RMSE）を確認せよ。

応用問題†

Q5-3

• Q5-1とQ5-2で構築したモデルの汎化性能を確認し、過学習の有無を確認せよ。

Q5-4

• Q5-2で構築したモデルの木の最大深さのハイパーパラメータをチューニングをし、最適な木の最大深さを明示せよ。

発展問題†

Q5-5

• シェアサイクルの需要予測問題について、上記以外の決定係数を向上させるような改良（チューニング）を行い、レポートにまとめなさい。チューニングの方法として，例えばデータから外れ値を取り除く，線形回帰モデルや回帰木以外のモデルを試してみる，などがある
• レポートには，どのような工夫をして，結果的に決定係数がどこまで向上したかを記述しなさい

作成したところまでのプログラムのipynbファイルを提出しなさい