Il tema dei trasporti e della mobilitaurbanae da sempre di grande interesse e oggetto di dibattito pub- blico, specialmente nelle grandi citta'.
In questo ambito, l’introduzione dei mezzi di noleggio a tempo ha sicuramente determinato una grande svolta. Questo lavoro si concentra sull’utilizzo
di tecniche avanza- te di machine learning (K-means, h-clust, PAM, KNN, SVM, NN, RF e XGB) per la previsione della domanda oraria di biciclette,
con lo scopo di migliorare la qualita' e l’efficienza del servizio offerto e di ridurre i tempi di attesa di coloro che ne usufruiscono.
Il dataset scelto raccoglie dati relativi ai noleggi nella citt`a di Seoul in un periodo di circa un anno e include una serie di variabili metereologiche.