预测共享单车使用量
在该项目中建立了一个监督学习的神经网络，根据训练集中季节、日期、小时数、天气、是否周末、是否节假日等特征及租客人数的标签进行训练，建立一个模型，可以根据未来不同情况，对租客人数进行预测。
该神经网络除输入层外，有两个层级，一个隐藏层和一个输出层。隐藏层级将使用 S 型函数作为激活函数。输出层只有一个节点，用于递归，节点的输出和节点的输入相同。即激活函数是f(x)=x，并采用随机梯度下降 (SGD) 方法训练网络，最终选择的超参数:
- iterations = 5000
- learning_rate = 0.8
- hidden_nodes = 12
- output_nodes = 1
利用该模型对对测试集预测与实际租客人数对比：
