BLUEBikes需求预测 机器学习模型旨在使用历史自行车旅行数据和气象数据作为输入来预测波士顿BLUEBikes自行车共享系统上各个站点对自行车的需求。 它最初是为东北大学的数据科学入门课程（DS3000）的一个班级项目开发的。 请参阅以获取报告和详细信息，或查看Jupyter Notebooks上的项目文件。 作者：Pablo Kvitca，Griffin Milas和Hongyu Tao。 日期：2019年12月

自行车共享需求预测 自行车共享系统是一种租用自行车的方式，通过整个城市的售货亭位置网络，自动获得会员资格，出租和退还自行车的过程。 使用这些系统，人们可以从一个地方租借一辆自行车，然后根据需要将其返回到其他地方。 目前，全球有500多个自行车共享计划。 这些系统生成的数据使它们对研究人员具有吸引力，因为明确记录了旅行的持续时间，出发地点，到达地点和经过的时间。 因此，自行车共享系统用作传感器网络，可用于研究城市的机动性。 在本次比赛中，要求参与者将历史使用模式与天气数据结合起来，以便在华盛顿

使用神经网络的自行车共享预测 简介-业务问题： 作为自行车共享公司，我们需要预测不久的将来需要多少辆自行车。 原因很少： 如果我们有更多的自行车供应和较低的需求，它将增加我们的运营成本。 如果我们的供应量低于需求量，那么我们就会失去利润。 设计概述： 我们将从头开始构建神经网络，并使用随机梯度下降实现前馈和反向传播。 稍后，我们将根据看不见的数据测试网络的功效。 需要的库： 脾气暴躁的 大熊猫 Matplotlib 结果： 下面是比较实际Vs预测的图。