12、基于KNN的实时数据处理与分析：从Uber数据案例看数据全流程操作

基于KNN的实时数据处理与分析：从Uber数据案例看数据全流程操作

1. KNN在需求预测中的应用

KNN（K-Nearest Neighbors）算法是一种简单而有效的预测方法，尤其适用于需求预测场景。以下将详细介绍如何使用KNN算法对Uber数据进行需求预测。

操作步骤 ：
1. 数据加载 ：使用 pandas 库加载Uber数据集。

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import MinMaxScaler
from sklearn.neighbors import KNeighborsRegressor
from sklearn.metrics import mean_absolute_error

# Load the Uber rides dataset
df = pd.read_csv('uber_rides.csv')

2. 特征转换 ：将 Time (Local) 转换为循环特征，以更好地表示时间的周期性。

# Convert ‘Time (Local)’ to