Deep learningとXGBoost - 「レンタル自転車の利用者予測」を題材に - Qiita

目的 SIGNATEさんの練習問題として公開されている「レンタル自転車の利用者予測」 に挑戦します。レンタル自転車の利用者数を予測します。「重回帰分析」を試しましたが、あまり良い精度のモデルを得られませんでした。Deep leariningをやって、良い精度のモデルを作りたいです。 目的変数と説明変数を選択する 利用者数を予測するコンペですので、説明変数は今回も利用者数('cnt')です。 時間('hr')を説明変数で使うのをやめて、曜日('weekday')を代わりに使います。土日と平日で明確な特徴がありました。 その他の説明変数は、利用者数('cnt')と相関や関係がありそうな変数である温度('temp'),体感温度('atemp')、そして回帰分析でも使用した天気('weathersit')も追加します。天気('weathersit')はカテゴリーデータなのでダミー変数にして投入しま