شرح المطلوب في تمرين عن نموذج للتنبؤ

ذلك تمرين حول التنبؤ بحجم حركة مرور القطارات بالإعتماد على بيانات معينة، المطلوب منك  هو بناء نموذج يتنبأ بحجم حركة مرور القطارات وذلك هو الـ Traffic Volume، الفائدة تظهر في حال أنك مثلاً تبني تطبيقًا يخبر المستخدمين هل محطة القطار ستكون مزدحمة أم لا؟

ستحتاج إلى البحث عن مجموعة بيانات تحتوي على معلومات درجة الحرارة، المطر، الأعياد، التاريخ والوقت، وحجم حركة المرور.

وعليك استخدام طريقتين للتنبؤ، الأولى الطريقة التقليدية أو الكلاسيكية بواسطة الانحدار الخطي Linear Regression أو الغابات العشوائية Random Forest أو غيرهم.

الثانية من خلال شبكة عصبية Neural Network لبناء نموذج يعتمد على الشبكات العصبية.

وعليك محاولة تحقيق دقة أعلى من زملائك في التنبؤ، وأيضًأ معالجة البيانات إذا لزم الأمر، والملف يحتوي على تلميحات لمساعدتك في تلك الخطوة.

ثم توفير تقرير عن أفضل النتائج التي حققتها باستخدام الطريقة التقليدية والشبكة العصبية.

والخطوات الموجودة في الملف توجهك للخطوات كالتالي:

1. تحميل البيانات وعرضها.
2. إضافة عمود جديد يوضح هل اليوم هو عطلة نهاية أسبوع أم لا.
3. تصور البيانات لفهم الاتجاهات والعلاقات.
4. تشفير وتوسيع نطاق البيانات encoding and scaling باستخدام Pipelines.
5. البحث عن الارتباطات بين المتغيرات.
6. تقسيم البيانات إلى مجموعات تدريب واختبار.
7. بناء وتقييم النموذج الكلاسيكي باستخدام Mean Absolute Error كمقياس للأداء.
8. بناء وتقييم نموذج الشبكة العصبية باستخدام Mean Absolute Error كمقياس للأداء.

في هذا التمرين يتم طلب بناء نموذج للتنبؤ بحجم حركة المرور  بناء على عدد الركاب في قطار أو مترو وذلك باستخدام البيانات المقدمة في ملف يسمى Metro_Interstate_Traffic_Volume.

أولا البيانات (Dataset): 

• إن اسم مجموعة البيانات هو Metro_Interstate_Traffic_Volume وتحتوي تلك البيانات على معلومات تتعلق بحركة القطارات و المترو في الولايات المتحدة الأمريكية USA .

ثانيا الميزات (Features) وهذه هي المتغيرات (الأعمدة) الموجودة في مجموعة البيانات والتي ستستخدمها للتنبؤ:

• درجة الحرارة (Temperature).
• المطر (Rain).
• العطلات (Holidays).
• التاريخ والوقت (Date and Time).
• حجم المرور (Traffic Volume).

ثالثا الهدف (Objective) : حيث الهدف الرئيسي هنا هو التنبؤ بقيمة حجم حركة المرور ولتتخيل أنه تطبيق عملي يمكن أن يساعد المستخدمين على معرفة ما إذا كانت محطات القطار ستكون مزدحمة بناء على حجم حركة المرور المتوقعة.

ورابعا التعليمات لك في التمرين (Instructions) :

• الهدف لك هو تحقيق دقة أعلى من زملائك.
• ويجب عليك استخدام نهجين مختلفين للتنبؤ:
  • تقنية كلاسيكية (Classical Technique): مثل الانحدار الخطي (Linear Regression) أو الغابات العشوائية (Random Forest) أو غيرها من خوارزميات التعلم الآلي التقليدية.
  • شبكة عصبية (Neural Network).

ومسموح لك بإجراء أي معالجة مسبقة للبيانات (Data Preprocessing) تراها ضرورية لتحسين أداء النموذج .

وتلخيصا لما سبق المطلوب منك هو بناء نموذج يتنبأ بعدد الركاب (Traffic Volume) بناء على عوامل مثل درجة الحرارة و المطر و العطلات والوقت. ويجب عليك تجربة نوعين من النماذج (كلاسيكي والشبكة العصبية) ومقارنة نتائجهما لتقديم النتائج الأفضل. ويمكنك تعديل وتنظيف البيانات حسب الحاجة لتحسين الأداء.