← Courses量化城市研究Quantitative Urban Studies

P / Prediction  ·  P6

机器学习预测

Machine-Learning Forecasting

从大量城市特征中学习非线性关系,并检验其跨时空泛化。

METHOD PROCESS / 方法过程机器学习预测
同步字幕 / CAPTIONS

播放后在这里显示逐步讲解字幕。

普通话讲解 · 同步字幕在播放器下方 · 阅读完整文字稿 · 下载视频

TEXT STORYBOARD / 文字分镜

  1. 01

    历史站点需求及邻接关系

  2. 02

    按时间划分训练与测试

  3. 03

    下一时段需求地图

  4. 04

    与朴素基准比较。

原创合成教学动画,不是原研究数据或结果的复现。详细原理、案例与边界见右侧说明。

01 / PRINCIPLE · 原理

它怎样工作

将历史需求、天气、时段、土地利用和站点关系整理为训练输入,用模型学习到未来目标的映射;网页重点讲问题定义、时间泄漏、空间外推和与基准比较。

02 / USE · 应用

适合回答什么问题

多源、高维、可能非线性的短期需求预测。

03 / CASE · 案例

城市研究中的用法

真实研究

匹兹堡共享单车研究把站点和线路特征用于需求建模,对比不同表示站点关系的模型。此卡只展示城市任务与验证设计,具体树模型、神经网络和图网络原理交由现有机器学习课堂解释。

04 / BOUNDARY · 边界

解释时要注意什么

高分数不保证转移到另一城市;若模型使用了预测时不可获得的信息,就发生信息泄漏。