充电桩故障分类与检测（入门赛f1-1

最新推荐文章于 2024-10-31 11:32:55 发布

2401_85015040

最新推荐文章于 2024-10-31 11:32:55 发布

阅读量371

点赞数 9

分类专栏： 2024年程序员学习文章标签：物联网嵌入式硬件面试

本文链接：https://blog.csdn.net/2401_85015040/article/details/138934126

版权

2024年程序员学习专栏收录该内容

16 篇文章

订阅专栏

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上物联网嵌入式知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、电子书籍、讲解视频，并且后续会持续更新

需要这些体系化资料的朋友，可以加我V获取：vip1024c （备注嵌入式）

如果你需要这些资料，可以戳这里获取

第一次接触数据类比赛，本比赛是个新人入门赛。

数据采用原特征，模型采用GDBT，网格搜索进行模型调参

历程：一开始用了tensorflow搭建了全链接神经网络，但是NN效果并不好0.89封顶，后来采用了XGB和LGB线上自能达到0.9999，最后换成GBDT开始了玄学调参的路程（我一只快乐的调包侠。。）

数据下载地址：https://download.csdn.net/download/qq_39622065/10456270

模型训练和预测：

from sklearn.ensemble import GradientBoostingClassifier
from sklearn import cross_validation, metrics
from sklearn.model_selection import GridSearchCV
import return_data2
from sklearn.model_selection import train_test_split
import warnings
warnings.filterwarnings("ignore")
import time
dataset_X,dataset_Y=return_data2.return_tarin_data()
X_train, X_test, y_train, y_test = train_test_split(dataset_X, dataset_Y,
                                                      test_size=0.2,
                                                      random_state=21)
clf = GradientBoostingClassifier(
    learning_rate=0.1, n_estimators=1500, min_samples_split=350,
    min_samples_leaf=20, max_depth=8, max_features="auto", subsample=0.8, random_state=0
)
clf.fit(X_train,y_train)

X_pre=return_data2.return_test_data()
y_pre=clf.predict(X_pre)

with open("baidu_sub25(2).csv","w") as f:
    for i in range(len(y_pre)):
        f.write(str(i+1)+","+str(int(y_pre[i]))+"\n")
print("pre over..")


y_pred = clf.predict(X_test)
acc = metrics.accuracy_score(y_test, y_pred)
print(acc)
print(y_pred)

数据处理：

import pandas as pd
import numpy as np
from sklearn import preprocessing
def return_tarin_data():
    col_names = ["ID","K1K2驱动信号","电子锁驱动信号","急停信号","门禁信号","THDV-M","THDI-M","label"]
    data = pd.read_csv("data_train.csv",names=col_names)
    # print(data.info())
    data["test1"] = data["THDI-M"] * data["THDV-M"]
    data["test2"] = data["急停信号"] * data["THDV-M"]
    data["test3"] = data["THDI-M"] / data["THDV-M"]
    data["test4"] = data["THDI-M"] / (data["急停信号"]*data["THDV-M"])
    scaler = preprocessing.StandardScaler()
    # lists = ["K1K2驱动信号", "电子锁驱动信号", "急停信号", "门禁信号", "THDV-M", "THDI-M"]
    # for list in lists:
    #     data[list] = scaler.fit_transform(data[[list]])



**收集整理了一份《2024年最新物联网嵌入式全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升的朋友。**
![img](https://img-blog.csdnimg.cn/img_convert/2f8b289a0f2312b5071d2d3e4fb44ba7.png)
![img](https://img-blog.csdnimg.cn/img_convert/49c59e8c18dbea098fec4519d4a636ed.png)

**[如果你需要这些资料，可以戳这里获取](https://bbs.csdn.net/topics/618679757)**

**需要这些体系化资料的朋友，可以加我V获取：vip1024c （备注嵌入式）**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人**

**都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人**

**都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**