معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Prediction of bike sharing usage.

ویژگی	مقدار
سیستم عامل	-
نام فایل	bspred-0.0.5
نام	bspred
نسخه کتابخانه	0.0.5
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Yiwen Wang
ایمیل نویسنده	yiwenwang9702@gmail.com
آدرس صفحه اصلی	https://github.com/jasonyiww/bspred
آدرس اینترنتی	https://pypi.org/project/bspred/
مجوز	-

# Prediction of Bike Sharing Usage based on Citibike New York Data in 2018 Please download and open the html files to see the plots. The available plots demonstrate the stations with the highest Departures and Arrivals. To install, please do: ```bash pip install bspred ``` ## Key Variables Arrivals: number of trips that end at a station per day. Departures: number of trips that start at a station per day. Characteristic prediction: prediction of bike sharing usage at a specific location, given that there are no bike stations in a vicinity of the location. ## Dependency keras ## Description This is a project in progress. There are two kinds of prediction available. All predictions come with asymptotic 95% confidence intervals. ```python import bspred import numpy as np import pandas as pd data = pd.DataFrame({ 'latitude':[40.75058535], 'longitude':[-73.99468482] }) ``` 1. Prediction of bike sharing usage without current Citibike stations. Please notice that this is not the true bike sharing usage, but rather an order of magnitude analysis. ```python bspred.predict(data) ``` The results will be: Arrivals = 826.452942, Departures = 839.163513. 2. Prediction of bike sharing usage given the current active Citibike stations. ```python bspred.predict_with_Citibike(data) ``` The result will be a pandas dataframe of the predicted bike sharing usage at current bike stations and the newly added ones. The last row of the dataframe, which is the prediction of bike sharing usage at the new bike station, will be: Arrivals = 441.030067, Departures = 474.2624. If removing some current Citibike stations is desired, a list of the station names can be passed as remove_list: ```python bspred.predict_with_Citibike(data, remove_list = []) ``` The names can be extracted from https://member.citibikenyc.com/map/. Or, to view the current Citibike trip history data, run: ```python path = bspred.get_path() df = pd.read_csv(path + '/stations_reshaped.csv', sep=',', engine='python') df ```

نیازمندی

مقدار	نام
-	keras

نحوه نصب

نصب پکیج whl bspred-0.0.5:

pip install bspred-0.0.5.whl

نصب پکیج tar.gz bspred-0.0.5:

pip install bspred-0.0.5.tar.gz