TrafficAccidentPrediction

同济大学软件学院统计分析与建模期末项目

数据集说明

1. contrast_sampled_dataset.csv 对照采样数据集
2. crash_data.csv 原数据
3. featured_dataset.csv 最终版的特征工程结果
4. traffic_data.csv 原数据

数据可视化（visualize）

1. visualize.py 对应pictures
2. visualize_2.py对应pictures_2
3. visualize_3.py对应pictures_3
4. preprocess_1.py 将is_crash添加到traffic_data, time转秒数
5. preprocess_3.py 删除缺失值
6. preprocess_2.py 提取特征 （4.5.6做可视化用，最后的建模没有使用这个版本的特征工程）

kalman+arima

卡尔曼滤波预处理（测试版）和时序分析

KalmanPredict

卡尔曼滤波预处理和预测

非条件逻辑回归（common_logistic）

1. split_dataset.py（病例对照采样）
2. logistic.py (逻辑回归py版本，并生成r版本需要用的r_dataset.csv)
3. common_logistic.rmd（逻辑回归r版本）

条件逻辑回归（conditional_logistic）

1. logistic_test1.R为测试版本
2. logistic-final.R为最终建模版本

朴素贝叶斯（NaiveBayes)

1. NaiveBayes0106.py 最终建模版本