Utilisation du Modèle de Forêt d'Arbres Aléatoires (Random Forest)

Dans ce livre, nous développons une nouvelle méthode de reconnaissance de formes conjointes qui combine une analyse basée sur des motifs de réseau avec une analyse basée sur des séquences d'activités. Nous utilisons les avantages des deux méthodes pour créer des groupes de modèles qui ont en leur sein une homogénéité de modèle distincte et une hétérogénéité entre les modèles. La première partie de l'analyse ici applique une approche plus traditionnelle pour identifier les motifs de réseau uniques, 16 d'entre eux capturant 83,05% des données de journée de travail NHTS 2017. L'analyse multivariée des données de motifs groupés montre une préférence différente des motifs pour les étudiants, les travailleurs à temps partiel, les retraités, les télétravailleurs, les conducteurs, les femmes et les jeunes adultes. Dans la deuxième partie de l'analyse, les motifs sont regroupés en catégories en fonction du nombre de lieux qu'une personne visite en une journée et leur corrélation avec l'utilisation du temps et les déplacements est explorée. L'utilisation du temps et les déplacements sont analysés sur la base d'une identification de modèle d'allocation de temps minute par minute.