2023“SEED”第四届江苏大数据开发与应用大赛--新能源赛道竞赛学习笔记1

首先是对赛题要求的理解：初赛要求提交500个充电站点每天的总充电量（power），对数据进行了预处理。使用pandas的groupby()按照站点id_encode和日期ds重新分组，并合并每一组的power。

train_power.groupby(['id_encode','ds'])['power'].sum()

其次是预处理：本次竞赛虽然是时间序列，但根据数据的类型可以得知，可能更适合树模型，因此首选从时序中再次提取新的时序特征，如：季度、月、是否为周末等特征。可以选择使用pandas的to_datetime先将数据集中的时间转化为时间戳，后续

def convert_date(data, column_name, date_format='%Y%m%d'):
    data[column_name] = pd.to_datetime(data[column_name], format=date_format)
    data["weekday"] = data[column_name].dt.weekday
    data["quarter"] = data[column_name].dt.quarter
    data["month"] = data[column_name].dt.month
    return data

最后按照baseline跑通模型，由于使用lightgbm，数据无须归一化和onehot，直接带入模型即可，得到的结果传后RMSE分数为240.5，另跑了一个随机森林回归模型，融合模型，最后得到分数为234.1，目前排名46

下一步准备按照直播中的方法加入一些外部数据作为特征，以及融合模型，尝试得到更好的结果