【文件属性】：
文件名称：Using-AI-to-Predict-Dog-Licenses
文件大小：8.82MB
文件格式：ZIP
更新时间：2021-03-15 06:01:46
JupyterNotebook
使用AI预测狗的许可证
抽象的
该项目的重点是使用历史数据预测给定日期要分配的许可证数量。 三年的数据（2015-2017年）用于训练多个模型，以生成对即将到来的2018年的预测。这些模型不仅评估了其准确性（通过均方误差来衡量），还评估了其数量。训练和拟合模型所花费的时间。 OSEMN框架用于组织此项目。
首先，清除所有空值和“隐藏”空值（例如“未列出名称”）的数据。 接下来，使用“ ValidDate”列创建时间戳索引。 为了限制项目的范围，使用分配的每日许可总数（包括周末和节假日）创建了一个单变量数据框。 测试的第一个AI模型是ARMA，但由于数据的季节性，事实证明SARIMA更为准确。 应该注意的是，在SARIMA模型中，使用网格搜索来生成p，d和q的最佳值，这花费了相当长的时间。 接下来，使用神经网络测试是否可以提高准确性和训练时间。 经过几个调整步骤后，将滞后5步的LSTM保存
【文件预览】：
Using-AI-to-Predict-Dog-Licenses-main
----Dog License Data Cleaning.ipynb(158KB)
----README.md(7KB)
----Multivariate_Prediction_Function.ipynb(1KB)
----Flatiron_School_Capstone_LSTM_Time_Series.ipynb(164KB)
----Multivariate LSTM.ipynb(166KB)
----Predicting Dog Licenses Dispensed per Day.pptx(489KB)
----data()
--------2017 Dog Licenses.csv(7.81MB)
--------2018 Dog Licenses.csv(7.81MB)
--------raw_data.csv(24.44MB)
--------2016 Dog Licenses.csv(8.09MB)
--------uni_final.csv(11KB)
--------df_18_final.csv(4KB)
--------2015 Dog Licenses.csv(8.6MB)
----Dog License ARIMA Forecasting.ipynb(1.01MB)