Datawhale AI 夏令营 从零入门 AI for Science(AI + 经济)

已于 2024-08-03 22:34:27 修改
阅读量152 收藏
点赞数 2
分类专栏： Datawhale 文章标签： 人工智能 大数据
于 2024-08-02 11:05:19 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_79675943/article/details/140820222
版权

1.在TASK3中虽然给出了时间序列挖掘加融合模型的方法预测price，但是并不能识别到负电价的情况。查看TASK3给出的代码的预测结果可以发现模型几乎不会预测出负数，这和实际情况是有差别的。

2.利用爬虫爬取天气信息与风电信息绘制热力图

惊人的发现price和windSpeed，irradiance,realPower的相关性比demand还高。

2.绘制温度随着时间的变化与价格随时间的变化相比较

可以发现温度的变化也会影响price的变化。

下图为绘制时间和价格的关系，可以发现18点到24点不会出现负电价

利用这些信息可以进一步提升模型的效果

数分小白.py
关注
  • 2
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
从零入门AI for Science（AI+化学）#Datawhale夏令营
07-25
从零入门AI for Science（AI+化学）#Datawhale夏令营
Datawhale AI夏令营 从零入门 AI 逻辑推理 心得第二弹相关baseline
07-29
在上一份baseline的基础上作出了许多改进
DataWhale AI夏令营 从零入门 AI for Science（AI+药物）
qq_73840026的博客
07-28 132
DataWhale AI夏令营 从零入门 AI for Science（AI+药物）
DataWhale AI夏令营 从零入门 AI for Science（AI+药物）针对lightgbm的改进
最新发布
qq_73840026的博客
08-03 63
将数据集分成多个折叠（folds），每个折叠都作为一次验证集，其余的作为训练集，可以有效减少模型的过拟合风险。模型在不同的训练集和验证集上进行训练和评估，有助于提高模型的泛化能力。自适应学习率可以根据训练过程中的反馈动态调整学习率，使模型在训练初期快速收敛，同时在训练后期避免震荡，从而提高训练效率。替换root_mean_squared_error。
DataWhale AI夏令营 从零入门 AI for Science（AI+药物）基于lightgbm的baseline改进
qq_73840026的博客
07-31 154
DataWhale AI夏令营 从零入门 AI for Science（AI+药物）基于lightgbm的baseline改进
【Datawhale AI 夏令营】从零入门 AI for Science（AI+气象）
weixin_74890141的博客
07-26 375
学习内容包括深度学习RNN方案逐步进阶、torch和数据处理、特征工程和模型搭建思路，以及往期赛事方案案例的介绍。- 学习使用PyTorch框架进行深度学习模型的搭建和训练，包括张量的概念、自动微分机制、模型和优化器的选择等。- 学习循环神经网络（RNN）的结构和工作原理，包括RNN的基本结构、循环机制、状态更新等。- 掌握模型搭建的基本步骤和方法，如模型架构设计、超参数调优、模型评估等。- 了解不同方案的设计思路和实现方法，如数据预处理、特征工程、模型选择等。3. 特征工程和模型搭建思路。
#DataWhale AI 夏令营（从零入门AI for Science（AI+经济）Task2学习笔记）
2303_79295214的博客
07-31 283
（Interaction Rules）：代理之间、代理与环境之间的相互作用规则。（Time Steps）：系统按离散的时间步推进，模拟出系统的动态变化过程。（Environment）：代理活动的空间或网络，可能影响代理的行为。所以在ABM中，希望Agent预测报价结果，调整自己的出价，输出报价。（Agent）：系统中的基本个体，每个代理都有自己的属性和行为规则。对于Agent个体，会预测当日报价而调整自己的价格。市场供给者存在 “博弈” 行为，报价难以预测。根据ABM生成的所有报价，计算市场出清价格。
#DataWhale AI 夏令营（从零入门AI for Science（AI+经济）Task3学习笔记）
2303_79295214的博客
08-03 105
这里想要训练一个好的强化学习模型，更重要的是设计好的奖励函数和策略，使得每一次训练的出价策略能够有恰到好处的收益。在一个强化学习环境里面，智能体的目的就是选取一系列的动作来最大化奖励，所以这些选取的动作必须有长期的影响。也就是说，智能体在决策中的每一步累计起来，最后形成了交易中的好结果与坏结果，这是个序列决策。为此，还会构筑更多特征，例如demand的滞后特征，差分特征，百分比特征等。在Task2中我们分析过，实际上的报价会根据现实情况进行变动，而非不变的。总体而言，是为了找出对结果有显著影响的特征，
Datawhale AI 夏令营第三期 从零入门AI for Science（AI+经济）
2301_80265256的博客
07-26 343
ABM（Agent-Based Modeling），即基于个体的建模，是一种模拟系统复杂行为的工具。它通过模拟个体（代理）的行为和相互作用，来研究系统整体的动态变化。应用案例：康威的生命游戏（Game of Life），新冠传染病传播模型、政府企业博弈模型、鸟群模型……ABM不关注复杂的数学，只关注如何用简单的交互规则模拟复杂系统（从简单的个体交互规则涌现系统的复杂性）。
Datawhale AI 夏令营：从零入门 AI for Science（AI+气象）----Task 1
weixin_73040764的博客
07-28 825
天气预报和降水预测听起来像是高难度的技术活，但其实在人工智能时代，这些任务已经变得相对容易。通过收集大量的气象数据，比如温度、湿度、气压、风速等，我们可以使用数据分析和深度学习技术来构建预测模型。具体来说，首先需要收集和整理历史气象数据，然后通过数据预处理，比如清洗、归一化等步骤，让数据更适合模型训练。接下来，选择合适的深度学习模型，比如卷积神经网络(CNN)、循环神经网络(RNN)或者长短期记忆网络(LSTM)等，来学习数据中的模式和规律。
Datawhale AI 夏令营：从零入门 AI for Science（AI+气象）----Task 2
weixin_73040764的博客
08-01 596
最后，使用训练好的模型对新数据进行预测和推理。总结来说，MetNet模型的训练损失和验证损失随着训练周期的增加呈现稳定下降趋势，两者均从0.85左右开始下降，训练损失逐渐降至0.60左右，而验证损失也表现出类似的下降模式，最终接近训练损失的水平。：最终，训练损失和验证损失都达到了0.60左右，可以认为模型在训练集和验证集上都获得了相似的性能，这通常是一个良好的信号，表示模型泛化能力较强。同时，训练损失和验证损失都在持续减少，表明模型性能在提升，应尝试加大训练的次数，以获得更佳的模型效果。
代码脚本文件+数据集#Datawhale AI夏令营
07-28
代码脚本文件+数据集#Datawhale AI夏令营
基于大数据的AI（人工智能）+城市智慧安防平台综合解决方案.pptx
04-29
AI（人工智能）+城市智慧安防平台
Ai对话系统网站源码 人工智能+搭建教程+前后端
02-27
Ai对话系统网站源码 人工智能+搭建教程+前后端。基于人工智能开发的一个人工智能技术驱动的自然语言处理工具，它能够通过学习和理解人类的语言来进行对话，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流...
常见的文心一言的指令
知码客
07-25 1918
文心一言，作为百度研发的预训练语言模型“ERNIE 3.0”的一项功能，能够与人对话互动，回答问题，协助创作，高效便捷地帮助人们获取信息、知识和灵感。
常用的机器学习模型的不同调用方式
weixin_71458119的博客
08-01 695
不同机器学习方法的调用
带并行卷积的水下图像背景前景分割方法
renhongxia1的博客
07-30 1085
图6，7为不同照度条件下水下图像及在不同分割方法的实验结果，其中第1，4行的原始图像为13.826 lx照度下采集的，第2，5行为6.947 lx照度下采集的，第3，6行为0.925 lx照度下采集的。在进行图像采集时，图6，7中，目标距离采集设备分别为1.4，1 m。图5是相机距目标1.4 m处采集的图像，图5a）为空气中的图像，图5b）为照度为13.826 lx条件下采集的水下图像，图5c）为照度为6.947 lx条件下采集的水下图像，图5d）为照度为0.925 lx条件下采集的水下图像。
Transformer 架构告诉我们什么？
2401_85233349的博客
08-01 1061
在传统的心理语言学方法中，人类语言是用可解释的模型来解释的，这些模型将符号元素（例如名词、动词、形容词、副词等）与基于规则的操作相结合。从几何上讲，它们之间的夹角越小，余弦值和点积就越大，并且这两个词在特定上下文中的相关性就越高，就像在高维空间中表示的那样。，Transformer 作为过度参数化的简单模型所展现出的蛮力学习，与进化过程类似，都是“简单而简约的”。下面是一个简单的示例，展示了词向量的基本概念。有趣的是，A 和 B 的相关系数也是角度的余弦（见上文 (2) 和 (3) 的公式）。
Datawhale AI 夏令营
07-12
DataWhale AI夏令营是一款由阿里云举办的针对青少年和大学生的科技教育活动。这个暑期项目旨在激发参与者对人工智能、大数据和机器学习的兴趣，通过一系列课程、实践项目和比赛，帮助他们提升相关的技能知识。活动中，学员可以学习到从基础知识到实战应用的内容，比如Python编程、数据处理、算法理解等，并有机会参与到实际的数据分析项目中，培养创新思维和技术能力。此外，DataWhale还提供了一个交流平台，让营员们能够与其他技术爱好者互动，共同成长。参加这样的夏令营对于未来想进入科技行业特别是AI领域的人来说是一次很好的启蒙和实践经验积累的机会。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值