为何一刀切：建模纽约出租车行程

基于应用程序的共享出行服务的兴起从根本上改变了纽约市的小费文化。我们分析了28000万2024年的行程，看看我们能否预测传统出租车与高容量专车服务的小费。通过测试从线性回归到深度神经网络的方法，我们发现了两种截然不同的结果。传统出租车高度可预测（$R^2 \approx 0.72$），因为车内支付屏幕。相比之下，基于应用程序的小费是随机的，难以建模（$R^2 \approx 0.17$）。结论是，我们表明建立一个通用模型是错误的，并且由于斯普林森悖论，一个结合模型在平均上看起来准确，但对单个出租车类别的预测失败，需要专门的模型。