《预测工作坊到场人数》面向已有 pandas 与回归基础的学习者。社区工作室需要在每场工作坊七天前估计人数，以准备材料。你将建立可重复分析，只使用对应时点已知的信息，测量真实预测误差，并将小模型与简单基线比较。
两个引导实验介绍预测截止日、训练冻结、按日期评估、仅训练集缺失值处理和简短回归 Pipeline。一个独立挑战将相同机制应用于另一季节。各单元拥有独立准备的数据，不跨实验传递文件或进程。总计165分钟为作者估计，包含阅读和普通错误修正，不是初学者实测用时。
你将学到什么
- 区分七天前预约快照、最终预约和活动后扫码。
- 在后期预测日期之前冻结训练，保留后期有标签工作坊用于评估。
- 在训练行上拟合缺失值预处理，复用时不从留出集学习。
- 用人数单位的 MAE 比较连续回归预测与训练中位数基线。
- 按工作坊 ID 关联实际值、预测和图中误差。
- 导出未来预测，不假装未来结果已经已知。
本课程适合谁
适合准备把基础回归组合成小型、诚实规划流程的学习者。
前置要求： Python 函数、终端输入、pandas 表格选择与连接、基础 Scikit-learn 回归、训练/测试分离和入门 Matplotlib。推荐先完成 Choosing Opening Hours from Data，练习解释数据及其局限。
学习环境： 浏览器 WebIDE 提供原创合成 CSV 数据，以及 Python、pandas、NumPy、Scikit-learn 和 Matplotlib。无需本地安装或外部数据集账号。程序、输出和界面标签保持英文。
常见问题
模型必须胜过基线吗？
不需要。正确比较也可能显示模型没有增加价值。目标是诚实评估，而非规定分数。
会调优很多模型吗？
不会。你使用小型均值填补与线性回归流程。主要判断是已知什么、何时已知，以及误差意味着什么。
这些是生产预测吗？
不是。小型数据集是原创合成教材，用于演示可复现流程，不能建立真实场地的预测可靠性。
