22、有轨电车延误预测模型的优化与拓展

有轨电车延误预测模型的优化与拓展

1. 为有轨电车延误预测项目添加季节或一天中的时间

为了将天气数据纳入有轨电车延误预测的深度学习项目，需要对模型训练代码和评分代码进行相应的更改。以下是具体的更改内容：
|代码类型|具体更改|
| ---- | ---- |
|模型训练代码（streetcar_DL_refactored_pipeline.ipynb）| - 调用 Dark Sky API 获取训练数据集涵盖期间的天气数据
- 更新 prep_merged_data() 以合并天气数据
- 更新 def_col_lists() 以包含天气列|
|评分代码（actions.py）| - 使用多伦多市政厅的经纬度和当前日期/时间调用 Dark Sky API 获取当前天气数据
- 更新 score_cols 以包含天气列名称|

除了天气数据，还可以通过从现有数据集中派生新列来增强训练数据集。例如，从月份列派生季节列（值为 0 - 3 代表四个季节），从小时列派生一天中的时间列。一天中的时间列可以定义为五个值：
- 夜间
- 早高峰
- 中午
- 晚高峰
- 晚上

可以尝试不同的开始和结束时间来定义这些类别，以观察对模型性能的影响。

2. 插补：处理不良值记录的替代方法

在之前的实验中，发现去除包含不良值（如无效路线）的记录后，模型性能更好。但去除这些记录也会导致数据丢失，例如在 2019 年底之前的延误数据中，去除不良记录后大约损失了 20% 的记录。

插补是一种替代方法，它通过用另一个值替换缺失值来保