資料清整流程
1.下載車禍資料、各縣市行政區人口密度、車流量資料。用爬蟲爬取天氣資料、台灣道路經緯度資料。
2.人口密度依時間及行政區和車禍資料合併。
3.天氣資料、車流量依照時間及測站距離和車禍資料合併。
4.依有發生車禍的正樣本資料數，製作無發生車禍的負樣本，保持類別平衡。給負樣本隨機的時間、台灣道路經緯度，並依前述流程合併人口密度、車流量、天氣資料。
數據分析方法
1.特徵工程：
（1）以對數轉換及標準化轉換，處理特徵偏態並限縮各特徵數值範圍
（2）以循環特徵選擇法進行特徵篩選，避免部分機器學習演算法發生維數災難
（3）將前述各項特徵轉換模組，依後續機器學習演算法特性，打包為多個pipeline物件。
2.機器學習：
（1）為避免數據洩露(Data leakage)，以2018-2021年資料做訓練集，2022年資料做測試集，維持訓練數據無出現未來數據。
（2）以邏輯斯回歸、KNN、隨機森林、XGBoost等四種演算法來訓練分類模型，並搭配五摺交叉驗證及網格搜尋，找到最佳模型及最佳參數。
（3）以XGBoost為最終模型（正確率.88），並將模型輸出的機率值分佈彙整出十個車禍發生可能性的級距，作為本組網頁api應用的基礎。
(備註: 此專題為小組專題，以上僅列舉(除天氣資料爬蟲、及網頁api)我個人實作的部分)