311 Service Request Analysis
311 Service Request Analysis
閱讀角度
簡介
市政數據研究：16 年、160 萬+ 條溫尼伯 311 服務請求 — FP-Growth 關聯挖掘、STL 季節分解、基於 MAD 的異常檢測。
角色
大學項目
數據挖掘
曼尼托巴大學
技術棧
Python
FP-Growth
STL
MAD
實證
FP-Growth 關聯規則，挖掘請求共現模式
STL 分解，把季節周期與長期趨勢分開
160 萬行規模下的 MAD 異常檢測
16 年的 311 記錄藏著營運規律，但沒有人會逐行去讀。
01 — 分析04 段影片
Film — overview.mp4
01 — 由原始數據到第一張圖
十六年溫尼伯 311 服務請求 — 超過 160 萬條紀錄 — 載入、清洗,匯成一座城市在抱怨什麼的第一幅圖景。
原始 311 數據到第一張圖
Film — question1.mp4
02 — 請求來自哪裡
哪些選區的請求最多,畫出來 — 一幅人手調配計劃能直接參考的需求地理分佈。
哪些選區提交最多請求
Film — question2.mp4
03 — 城市要用多久
回應時間按請求類型繪出分佈 — 由提交到解決之間的落差,變得可見。
回應時間分佈,繪出
Film — method.mp4
04 — 清洗過程,現場運行
清洗與方法單元格在鏡頭上運行 — FP-Growth 管共現、STL 管季節性、MAD 管異常 — 管線本身就是證據。
清洗步驟,現場運行
02 — 商業價值改變了什麼
規律
FP-Growth 找出哪些請求類型在同一批社區結伴出現 — 由 160 萬行數據論證的共現,不是幾個難忘的例子。
季節
STL 分解把溫尼伯寒冬的需求週期變成一條可量度的曲線,維修日曆可以照着走。
異常
MAD 閾值標出值得多看一眼的尖峰 — 極端日子拖不動的穩健統計。
一份基於公開紀錄的數據挖掘研究 — 信號是演示出來的,並未部署,本頁也不作相反的聲稱。
閱讀角度