Épuration de données et régression linéaire | Data Cleaning and Linear Regression
- Description:
Ce tutoriel est conçu pour optimiser la préparation des données pour l'apprentissage automatique, avec un focus spécifique sur la prédiction des schémas de circulation des vélos en fonction des conditions météorologiques. Il comprend un résumé des objectifs d'apprentissage, une section spécifique qui décrit les exigences nécessaires pour compléter le tutoriel, et une section sur les pratiques recommandées pour la gestion des données de recherche (GDR). Le tutoriel utilise la régression linéaire, un modèle d'apprentissage automatique simple, pour faire des prédictions basées sur les données d'entrée. Les données proviennent des données de comptage des vélos d'Ottawa et des données météorologiques historiques.
This tutorial is designed to optimize data preparation for machine learning, with a specific focus on predicting bike traffic patterns based on weather conditions. It includes a summary of the learning goals, a specific section that outlines the necessary requirements for completing the tutorial, and a section on the recommended practices for Research Data Management (RDM). The tutorial employs Linear Regression, a straightforward machine learning model, to make predictions based on the input data. The data is sourced from Ottawa’s bike count data and historical weather data.
- Van der Kolk, Jarno, , and Tayler, Felicity
- Contributor(s):
- Shea, Mary Catherine and Basmechi, Farinaz
- Source Repository:
- University of Ottawa Dataverse
- Series:
- Fichiers de préservation de la Série de tutoriels sur l’apprentissage-machine = Preservation files for The Machine Learning Tutorial Series
- Publisher(s):
- Borealis
- Access:
- Public
- URL:
- https://doi.org/10.5683/SP3/6AJSIB
- Publication date:
- 2024-10-10
- Subjects:
- Keywords:
- Identifier:
- https://doi.org/10.5683/SP3/6AJSIB
