feat: 完成共享单车课程设计

README.md

@@ -0,0 +1,55 @@
+# 共享单车日骑行量预测与可视化系统
+
+## 项目内容
+
+本项目完成《大数据分析技术》课程设计中“基于机器学习的共享单车日骑行量预测与可视化系统”的全部任务：
+
+1. 多模型构建与初步筛选
+2. 特征重要性解析
+3. 模型评估与 2013 年前 100 天预测输出
+4. 轻量级 GUI 预测可视化系统
+
+## 目录说明
+
+- `analyze_bike_sharing.py`：完整数据分析、建模、评估、预测、图表生成脚本
+- `bike_demand_gui.py`：tkinter 轻量级预测系统
+- `generate_report.py`：课程设计报告生成脚本
+- `outputs/model_comparison.csv`：模型对比结果
+- `outputs/cross_validation_summary.csv`：交叉验证结果
+- `outputs/feature_importance.csv`：特征重要性
+- `outputs/2013前100天骑行量预测结果.xlsx`：最终预测结果
+- `outputs/models/best_bike_demand_model.pkl`：最佳模型文件
+- `outputs/figures/`：报告图表
+- `outputs/共享单车日骑行量预测课程设计报告.docx`：课程设计报告
+
+## 运行环境
+
+```bash
+cd /root/bike_course_design
+python3 -m venv .venv
+.venv/bin/pip install pymupdf openpyxl pandas matplotlib seaborn scikit-learn python-docx joblib
+```
+
+## 重新生成分析结果
+
+```bash
+cd /root/bike_course_design
+.venv/bin/python analyze_bike_sharing.py
+```
+
+## 启动 GUI
+
+```bash
+cd /root/bike_course_design
+.venv/bin/python bike_demand_gui.py
+```
+
+GUI 支持输入季节、年月、节假日、星期、工作日、天气、气温、体感温度、湿度、风速等特征，输出单场景预测值，并可加入多场景对比表。
+
+## 本次运行核心结论
+
+- 数据量：731 条历史日度记录，预测集 100 条记录。
+- 最佳模型：梯度提升树。
+- 测试集指标：RMSE 约 651.14，MAE 约 449.00，R² 约 0.8943。
+- 五折交叉验证：RMSE 均值约 655.12，R² 均值约 0.8819。
+- 关键特征：气温、年份、季节、体感温度、湿度。