COMPARATIVE STUDY OF MACHINE LEARNING ALGORITHMS IN THE PROBLEM OF FORECASTING THE DYNAMICS OF BIKESHARING

Abstract

Экспериментально подтверждена эффективность современных инструментов машинного обучения для решения задачи прогнозирования объема арендуемых велосипедов в системе велошеринга. Для сравнения привлекались следующие методы: наивный байесовский классификатор; многослойный перцептрон, использующий алгоритм обратного распространения ошибки; метод ближайших соседей (БС); деревья решений; случайный лес; логистическая регрессия и машина опорных векторов (SVM). Исследование различных инструментов машинного обучения показало, что наиболее точные результаты продемонстрировали методы нейросетевого подхода, деревьев решения и случайного леса решений. The effectiveness of modern machine learning tools for solving the problem of predicting the volume of rented bicycles in a bike sharing system has been experimentally confirmed. The following methods were used for comparison: naive Bayes classifier; a multilayer perceptron using an error backpropagation algorithm; nearest neighbor method (KNN); decision trees; random forest; logistic regression and support vector machine (SVM). A study of various machine learning tools showed that the methods of the neural network approach, decision trees and random decision forest demonstrated the most accurate results.