（二）天池入门：时间序列实践

最新推荐文章于 2021-08-05 01:45:28 发布
最新推荐文章于 2021-08-05 01:45:28 发布
阅读量365 收藏 1
点赞数
文章标签： 天池 时间序列
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/Time_D/article/details/114109610
版权

最近参加了 DataWhale 组织的天池大赛时间序列实践，无奈社畜一枚，时间不多，因此在这期间也就只是简单了解，然后提交了其baseline。大赛本来还有将近一个月的时间截止，可是这期训练营今天就结束了。权记下其中的收获，并留之以后续的改进吧。

最后来张图证明我来过吧 : )
在这里插入图片描述

April_0911
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
[天池智慧交通预测挑战赛]新手向的时间序列预测解决方案-前Top2%
一番の宝物
09-11 2万+
本博客分享新人第一次参加天池比赛的实况记录，比较完整地给出了数据预处理，缺失值补全，特征分析过程以及训练和交叉验证的注意事项，适合数据挖掘新人找到解题思路，全程没有调参，没有模型融合，只凭一手简单的特征和xgboost，最后止步41/1716，基本上可以作为时间序列预测类的比赛的baseline．完整代码在Github
天池时间序列竞赛——AI助力精准气象和海洋预测学习笔记其一：赛题分析
zenghr的博客
02-21 3461
序： 最近参加了天池的气象和海洋预测竞赛，希望能够借此机会学习时间序列的相关模型，接下来会通过系列博客记录并梳理自己在竞赛过程中的一些心得体会。 作为系列学习笔记的第一章，这篇文章旨在梳理和分享我对赛题的一些理解。 1. 项目背景 问题陈述 这个竞赛是一个自然科学相关的时间序列预测问题，要求基于历史气候观测和模式模拟数据，准确预测厄尔尼诺-南方涛动(ENSO)现象。具体来说，我们的任务就是根据过去12个月的气象及时空数据，预测未来24个月的Nino3.4指数。 对于这样一个题目，我们可以考虑以下三个问题：
阿里AI天池大赛-资金流入流出预测-基于周期因子的时间序列预测
chongfa2008的博客
08-05 905
1：报名地址 https://tianchi.aliyun.com/competition/entrance/231573/score 2：排名分数 3：模型源码 废话不多说，直接上源码 import pandas as pd #数据加载 data=pd.read_csv('./user_balance_table.csv') data #给数据添加时间维度 def add_timestamp(data): #时间格式转换 data['report...
time-series-prediction:天池时间序列预测比赛的回购
03-21
2月22日打卡学习记录 一开始把Aliyun和Docker账号搞混了，出了很多模型奇妙的bug最后还是好不容易在最后关头跑通了。。太难了我的天。 通过pycharm终端构建图像 将图像推送到我的注册表 成功记录得分：-16 2月26日打卡学习记录 因为数据很多，所以我们使用tsfresh来生成功能，只是一个自动的功能工程，然后套入了模型。 后续思路是使用transformer来进行预测。
天池大数据竞赛LSTM预测算法分享
09-28
资源为今年八月份参加天池大数据竞赛a股公司营收预测使用的预处理后的数据和对应的算法文件
time-series-prediction:天池时间序列预测比赛的回购-源码_transformer股票预测,时间序列预测比赛
04-11
2月22日打卡学习记录 ...。太难了我的天。 通过pycharm终端构建图像 将图像推送到我的注册表 成功记录得分：-16 2月26日打卡学习记录 因为数据很多，所以我们使用tsfresh来生成功能，只是一个自动的功能工程，然后套入...
天池大数据：O2O使用预测.zip
最新发布
04-25
Big Data （大数据），或称...因此，大数据通常包含的数据大小超出传统软件在可接受的时间内处理的能力。由于技术进步，发布新数据的便捷性以及全球大多数政府对高透明度的要求，大数据分析在现代研究中越来越突出。
阿里天池 ：二手车价格预测比赛
05-30
数据可以在官网下载 方案与文件
阿里天池赛：CCKS2021 运营商知识图谱推理问答.zip
03-15
知识图谱是一种结构化的知识表达形式，它以图形的方式组织和存储了大量实体（如人、地点、事件等）及其相互关系。在知识图谱中，实体作为节点，实体之间的各种语义关联则通过边进行连接，形成了一个庞大的数据网络。...
天池比赛-资金流入流出预测-挑战Baseline--时间序列初探
ximingren的博客
01-31 6323
比赛地址在此：点击打开链接 起因：它这个项目是预测未来30天余额宝的总的申购总量和赎回总量，这个是跟余额宝的利率和上海银行间借拆利率有关。然而它30天后的这两个数值并没有给出，因此需要用时间序列来预测。 需要的工具库： 1.numpy   2.pandas 3.statsmodels 4.matplotlib 第一步：读取数据 # 读取数据,并让report_date字段值成为in
【天池竞赛系列】资金流入流出预测思路
Bryan__的专栏
07-28 1万+
赛题地址：http://tianchi.aliyun.com/competition/information.htm?spm=5176.100067.5678.2.VZW16k&raceId=3 登录即可下载数据 题目一句话：根据13年7月到14年8月的申购赎回数据预测14年9月每一条的申购赎回数据。 算法问题：此题可以使用线性回归和时间序列预测，只要特征好效果都还可以。我们
天池 - 资金流入流出预测-基于周期因子的时间序列预测
weixin_45701324的博客
08-22 507
学习资料： https://github.com/ChuanyuXue/The-Purchase-and-Redemption-Forecast-Challenge-baseline 之前接触的时间序列，一般是使用ARMA模型进行预测，基于周期因子的方法，是第一次接触到，经过两天的简单沉淀下学习心得： 1.使用前提：数据可以有周期性，但总体趋势需要相对平稳（时间从14年3月开始使用的原因） 2.该方法的核心是周期因子和base值： 周期因子的一般计算方法根据历史数据计算每天(周一至周日的维度)的均值，再
天池大数据竞赛——资金流入流出预测赛后感想
Xuebin
07-26 6095
当我第一次听到这个比赛的时候，其实我是拒绝的。后来我还是默默地报名的参加了，虽然已经不是第一次报名天池组织的大数据竞赛，但是之前都是因为各种各样的原因报了名也没真花时间去做，所以这次狠下心来要大干一场。现在回过来想想还是蛮有意思的，这个过程中学到了很多，尤其是现学现卖的本领。          这个题目本身还是很有意思的，根据提供的历史用户申购赎回数据预测14年9月每天的申购赎回总量。自己之前参
《时间序列预测实践教程》2
不悲过往，不畏前路
09-23 1133
第四章 预测方法概述 4.1基于模型的方法和数据驱动方法 基于模型的方法引用统计学，数学或其他学科的理论模型来拟合时间序列数据。训练集数据用来估计模型的参数，然后用得到的模型来进行预测。 数据驱动的方法通过算法来寻找数据中蕴含的规律或者模式。模型驱动方法需要满足一些前提条件。 数据驱动方法的优点之一是易于进行自动化预测。但是需要足够多数据进行学习，较长的时间序列。 模型方法是估计全局趋势，数据驱
【天池】心跳信号分类预测 时间序列特征 Part2
YJ语
03-27 496
写在使用的时时间序列进行裸跑 1 学习目标 学习时间序列数据的特征预处理方法 学习时间序列特征处理工具 Tsfresh（TimeSeries Fresh）的使用 2 内容介绍 数据预处理 时间序列数据格式处理 加入时间步特征time 特征工程 时间序列特征构造 特征筛选 使用 tsfresh 进行时间序列特征处理 3 导入包并读取数据 # 包导入 import pandas as pd import numpy as np import tsfresh as tsf import pic
Data mining（二） 时间序列规则法预测
Mr.kun的博客
08-22 1021
文章目录时间序列规则法介绍基于周期因子进行时间序列预测实战预测 时间序列规则法介绍 首先时间序列规则的核心是数据的周期性，因为现实生活中很多的数据都具有周期性，比如支付数据，客流量数据等，这些数据的周期可能是一周也可能是一个月或者是其他。时间序列规则通过挖掘数据的周期特性来对未来一个周期内的数据做出预测。 具体的介绍推荐这篇文章:时间序列规则法快速入门 基于周期因子进行时间序列预测 如何挖掘数据的周期特性来对未来一个周期进行预测，可以采用周期因子的方法。其核心有两点，一个是周期因子，一个是base。 周期因
天池初体验——新人实战赛之[离线赛]
wy的点滴
11-05 1万+
写在开头：本篇博文的适用对象为对天池比赛完全不知如何下手的小伙伴。本文将从头开始记录如何最简单地整理数据、提取特征，再建立模型或者使用人工规则进行预测，然后选出数据并提交，最后得到结果。所以，本文并不会更多得关注特征的选择提取以及模型该如何建立。最后，本人所使用的工具为Spark，非常地方便，它包含了spark-sql工具，数据库默认使用的是derby，同时，Spark含有mllib库，能非常方便
时间序列分析之ARIMA上手-Python
热门推荐
百川的博客
05-23 4万+
概念时间序列 时间序列（或称动态数列）是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史数据对未来进行预测。 时间序列分析 时间序列分析是根据系统观察得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。时间序列分析常用于国民宏观经济控制、市场潜力预测、气象预测、农作物害虫灾害预报等各个方面。 组成要素构成要素：长期趋势，季节
天池竞赛小结
wonderseen的博客
03-24 7102
Author | wonderseen Univ. | Xiamen University忙里偷闲做天池图像定位竞赛，看了一些论文，几个关键结构Hourglass、PoseMachine、Deepfashion。也厚着脸皮请教了几位排名前几的大佬，后来听使用Hourglass的神仙调baseline到了5%，CPM的baseline也在10%左右Realtime Multi-Person 2D P...
阿里云天池龙珠计划：Python入门与实战学习
“天池龙珠计划之Python学习”是为Python入门者设计的一个全面、系统且实践性强的学习路径，它不仅教授基础知识，还鼓励学习者参与实战项目，以提升技能和解决实际问题的能力。通过参与这个计划，学习者不仅能掌握...
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