我最终决定开始学习机器学习，为此我尝试预测我所在城市公共自行车共享系统的自行车可用性。
- 数据集（1MB），适用于一个自行车站点。列包括：日期、星期几、ID、站点、可用自行车、可用停车位
我一直在关注Machine Learning Mistery的教程，使用Keras，在这种情况下是一个用于多变量时间序列预测的LSTM，我认为这对我解决问题来说是合适的。
目前，我正在训练神经网络，输入数据包括：前一天的星期几（t-1）、前一时刻的可用自行车数（t-1）和当前时刻的可用自行车数（t）。
损失和验证损失的图表我认为看起来还不错。如果我没有弄错的话，RMSE为0.9意味着我预测时可能会有一辆自行车的误差。
如果这一切都是正确的，我也想给神经网络提供样本采集的日期，但我在处理这个问题时遇到了我不知道如何解决的问题。添加额外的列时，我得到了如下错误：
ValueError: operands could not be broadcast together with shapes (5949,2) (3,) (5949,2)
为了将日期添加到问题中，我将删除读取文件时第63行上的index_col = 0部分。
添加日期来改进预测是否正确？应该如何操作？
回答：
行values = values.astype('float32')将所有列转换为浮点数，因此所有列都应该是数字格式。你的第二列Weekday通过以下行被转换为整数：
values[:, 0] = encoder.fit_transform(values[:, 0])
这一行将第0列（第一列）转换为整数。在这里，你的第一列是日期。
解决方案：只需将第二列转换为整数
在上述行之后添加以下行：
values[:, 1] = encoder.fit_transform(values[:, 1])现在回答你的第二个问题
添加日期来改进预测是否正确？应该如何操作？
不，这样做是不正确的。你可以使用月份，这会更好，而不是使用时间-日期。
