Для корректного отображения графиков, пожалуйста, перейдите по ссылке на nbviewer: Jupyter notebook on nbviewer

Требуется построить модель машинного обучения для прогнозирования количества заказов такси на следующий час на основе исторических данных.

Значение метрики RMSE на тестовой выборке должно быть <= 48.

Использовались следующие модели:

• Градиентный бустинг (CatBoost),
• Линейная регрессия

Был проведен ресемплинг данных по 1 часу, были изучены тренды и сезонность. Добавлены новые фичи: календарные признаки, отстающие значения и скользящее среднее.

Оптимальные параметры были найдены с помощью GridSearchCV

Дата-время и целевой признак - количество заказов.

statsmodels.tsa.seasonal
catboost
pandas
sklearn
numpy
matplotlib.pyplot