Youbike 借閱量預測專案 (Youbike Demand Prediction)

本專案使用多種機器學習模型（Linear Regression、Random Forest、XGBoost）預測台北市 Youbike 各站點的借閱量。結合時間特徵、氣候數據與站點周邊靜態地理資訊，並提供批次實驗、殘差分析與模型儲存功能，方便比較與部署。

📂 專案結構

.
├── FINAL_MODEL_DATA_WITH_FEATURES.csv   # 主要資料 (時間、氣候、地理、滯後特徵)
├── main.py                               # 單次訓練與比較，並儲存模型到 model/
├── run_experiments.py                    # 批次測試多種特徵組合與模型
├── rf_residual_analysis.py               # 使用指定特徵進行 RF 殘差分析與時間平均圖
├── batch_experiment_results.csv          # 批次實驗結果 (MAE, RMSE, R2)
├── results/                              # 產出圖表與指標
│   └── rf_residual_analysis/
│       ├── residuals_by_hour.png
│       ├── residuals_vs_predicted.png
│       ├── residual_distribution.png
│       └── time_average_comparison.png
└── model/                                # 儲存訓練完成的模型 (.joblib)
    ├── linear_regression_model.joblib
    ├── random_forest_model.joblib
    └── xgboost_model.joblib

🧰 如何安裝環境

建議使用 Conda 或 venv。以下以 pip 為例（Windows PowerShell）：

python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -U pip
pip install pandas numpy seaborn matplotlib scikit-learn xgboost joblib

若使用 Conda：

conda create -n ubike python=3.10 -y; conda activate ubike
pip install pandas numpy seaborn matplotlib scikit-learn xgboost joblib

🚀 如何執行

1. 執行單次訓練並儲存模型 (main)

使用完整資料的預處理（數值補中位數+標準化、類別補眾數+OneHot），訓練 Linear/RandomForest/XGBoost 並儲存模型：

python main.py

產出：

• results/baseline_model_metrics.csv 與 baseline_model_comparison.png
• model/linear_regression_model.joblib
• model/random_forest_model.joblib
• model/xgboost_model.joblib

2. 執行批次實驗 (run_experiments)

測試多組特徵與模型，並可自動載入 main.py 儲存的模型設定：

python run_experiments.py

說明：

• 以 3 月資料為測試集，其餘月份為訓練集。
• 每組特徵都會訓練並評估三種模型，結果寫入 batch_experiment_results.csv。
• 若 model/xxx_model.joblib 存在，會載入並使用該模型的設定（確保一致性）。

3. RF 殘差分析與時間平均折線圖 (rf_residual_analysis)

使用固定特徵：['hour','weekday','is_weekend','is_peak','rent_count_lag_3','rent_count_lag_24'] 進行 RF 預測之殘差分析，並繪製每小時的實際 vs 預測平均折線圖。

python rf_residual_analysis.py

說明：

• 若 model/rf_model.joblib 存在則載入；否則會重新訓練並儲存。
• residuals_by_hour.png 使用紅藍漸層（RdBu）。

🔁 如何重現結果

1. 安裝環境並啟用虛擬環境（見上方「如何安裝環境」）。
2. 確保 FINAL_MODEL_DATA_WITH_FEATURES.csv 位於專案根目錄，且包含必要欄位（如 hour, weekday, is_weekend, is_peak, rent_count_lag_3, rent_count_lag_24 等）。
3. 執行單次訓練以產生與儲存模型與基準指標：

   python main.py

4. 執行批次實驗，生成各特徵組合下的模型表現：

   python run_experiments.py

   產出 batch_experiment_results.csv，可用於報告與比較。
5. 進行 RF 殘差分析與時間平均折線圖，驗證模型在時間維度的行為：

   python rf_residual_analysis.py

   圖表位於 results/rf_residual_analysis/。

常見注意事項：

• 若儲存 CSV 時出現 Permission denied，請關閉該檔案（例如 Excel）。
• 若缺少套件，請重新執行安裝指令。
• 批次實驗會以 3 月為測試集，其餘為訓練集；確保資料時間欄位 rent_time 可正確解析。

📊 實驗設計重點

1. 資料切割 (Data Splitting)：

   • 採用 Time-based Split 而非 Random Split。
   • 測試集：3 月份完整資料。
   • 訓練集：其餘月份資料。
   • 目的：模擬真實預測情境，避免 Data Leakage。

2. 特徵工程 (Feature Engineering)：

   • 動態特徵：hour, weekday, temperature, rainfall, wind_speed, is_weekend, is_peak
   • 滯後特徵：rent_count_lag_3, rent_count_lag_24
   • 靜態特徵：mrt_dist_nearest_m, school_dist_nearest_m, park_dist_nearest_m, population_count, Quantity, latitude, longitude