Utilizzo del modello Random Forest

In questo libro, sviluppiamo un nuovo metodo di riconoscimento congiunto dei pattern che combina un'analisi basata sui pattern di rete con un'analisi basata sulle sequenze di attività. Utilizziamo i vantaggi di entrambi i metodi per creare cluster di modelli che presentano una distinta omogeneità al loro interno e un'eterogeneità tra i modelli. La prima parte dell'analisi applica un approccio più tradizionale per identificare modelli di rete unici, con 16 di essi che catturano l'83,05% dei dati dei giorni lavorativi NHTS del 2017. L'analisi multivariata dei dati relativi ai modelli raggruppati mostra una diversa preferenza per gli studenti, i lavoratori part-time, i pensionati, i telelavoratori, gli autisti, le donne e i giovani adulti. Nella seconda parte dell'analisi, i motivi vengono raggruppati in categorie in base al numero di luoghi che una persona visita in un giorno e viene esplorata la loro correlazione con l'uso del tempo e gli spostamenti. L'uso del tempo e gli spostamenti sono analizzati sulla base di un modello di identificazione dell'allocazione del tempo minuto per minuto.