本项目是基于 Python、Apache Spark(PySpark)和机器学习技术开发的城市交通与停车数据分析及预测项目,主要用于处理大规模交通数据,并预测不同区域的停车位可用数量。
项目处理约 2755 万条交通记录和 319 万条停车记录,完成数据清洗、缺失值处理、数据整合、特征工程、模型训练和性能评估。
本人负责数据处理流程、特征工程、机器学习模型训练、超参数优化及预测结果分析。使用 Random Forest 和 Gradient Boosted Trees(GBT)进行模型对比,最终选择表现更好的 GBT 模型。
经过参数优化,最佳模型验证集 RMSE 达到 14.1896,并保存完整的机器学习 Pipeline,支持后续数据预测。
项目体现了 Python 数据开发、PySpark 分布式计算、SQL 数据处理、机器学习建模和大规模数据分析能力,相关技术可应用于企业数据清洗、自动化分析、预测建模及数据处理系统开发。
需求方专属客服,免费梳理匹配
添加客服微信,免费为您安排与该工程师直接沟通
长按二维码添加客服微信
如当前档期不合,也可免费为您推荐相似案例作者