我正在研究一个个人项目，在该项目中，我在MySQL数据库中记录了自行车租赁服务的数据。脚本每三十分钟运行一次，并为每个自行车站记录数据，并且每个自行车都拥有的自行车。然后，在我的数据库中，我平均每天在给定时间的每一天都有可用性，因为今天，大概的数据记录了2个月。
我已经阅读了一些有关机器学习的文章，我想学习一些。将来可以使用我的数据来训练模型，并在将来通过ML做出更好的预测？
答案很可能是。
第一步是拥有一些数据，听起来像您这样做。您有一个响应（免费自行车），并且在其上变化的某些功能（时间，位置）。您已经通过平均因素来应用基本条件均值模型。您可以通过一些日历事件（例如假日或当地事件标志）来增加有关位置的数据。
每次观察准备一个行的数据集，并在一段时间内基于当前预测过程的准确性，例如平均绝对百分比误差（MAPE）。确保您的预测（平均值）在验证期内不包括验证期内的任何数据！ 使用此期间的数据验证您尝试的其他模型。
将其余数据的一部分分为测试集，然后将其余数据用于培训。如果您有很多数据，则常见的培训/测试拆分为70/30。如果数据很小，则可能会降至90/10。
在训练集上学习一个或多个机器学习模型，在测试集上定期检查性能，以确保概括性能仍在提高。许多培训算法实现将为您管理此操作，并在由于过度拟合而开始降低测试性能时自动停止。这是机器学习比当前平均平均水平的巨大好处，能够学习概括并丢弃什么不抛弃的能力。
通过预测验证集，计算MAPE并将模型的可MAPE与同一时期的原始过程进行比较来验证每个模型。祝你好运，喜欢认识机器学习！