记广东公共交通大数据竞赛—— 公交线路客流预测

——最终准确率 76.99%
——排名 83/2734
——代码: https://github.com/francis7999/gd_line_pop_predict

最后的成绩有欣慰也有不足，第一次参赛的我本该满足于前5%的排名，但想到参赛期间有一大半的天数都为其他的事情焦头烂额，没有做任何改进，总是不由感慨本可以取得更好的成绩。

力学出身的我，此前从未想到研究生会去做语音识别方向。
人生是多么不可思议，我的本科专业和研究生方向找不出一丝一毫联系。前途茫茫，而我披星戴月，风雨兼程。
要做语音识别，必然深钻机器学习，而我浅薄的学习之下也只掌握了一些皮毛，但学到了理论，那就要熟练运用，脱离实际的理论无异于空中楼阁。
于是参加了阿里的广东公共交通大数据竞赛——公交线路客流预测。作为机器学习与数据挖掘领域的新手，第一次参加大数据竞赛，我抱着学习的想法，目的就是运用一些学到的机器学习知识解决一点实际问题，顺便巩固基础。

工具：python 2.7 + scikit-learn

步骤：
1. 数据预处理。统计了训练集中每天每个时段的客流量，排除了一些客流过少，显然统计错误的样本。处理了天气数据，把（时段、天气、最低温、最高温、风力）作为特征，客流量作为预测变量。
2. 上模型。根据两条线路、工作日和节假日，分别建立四个模型。