目标
- 跑通baseline代码
- 体验机器学习解决问题的流程
- 基本了解赛题要求
- 理解赛题场景
步骤
1. 跑通代码并提交
- 导入所需库:pandas和numpy
- 读取训练集和测试集数据
- 计算训练数据最近11-20天内每个id的目标均值
- 将计算结果与测试集合并
- 保存结果文件并提交
# 1. 导入需要用到的相关库 import pandas as pd import numpy as np # 2. 读取训练集和测试集 train = pd.read_csv('./data/data283931/train.csv') test = pd.read_csv('./data/data283931/test.csv') # 3. 计算训练数据最近11-20单位时间内对应id的目标均值 target_mean = train[train['dt']<=20].groupby(['id'])['target'].mean().reset_index() # 4. 将target_mean作为测试集结果进行合并 test = test.merge(target_mean, on=['id'], how='left') # 5. 保存结果文件到本地 test[['id','dt','target']].to_csv('submit.csv', index=None)
2. 学习相关知识点
时间序列问题定义
时间序列是按时间顺序收集的一系列数据点。在这个赛题中,我们需要预测未来的电力消耗,这是一个典型的时间序列预测问题。
传统时序模型
一些常见的传统时序模型包括:
- 移动平均(MA)
- 自回归(AR)
- 自回归移动平均(ARMA)
- 自回归积分移动平均(ARIMA)
# 移动平均(MA)示例 import pandas as pd import numpy as np # 假设我们有一个时间序列数据 data = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000)) # 计算7天移动平均 ma = data.rolling(window=7).mean() # 自回归(AR)示例 from statsmodels.tsa.ar_model import AutoReg # 拟合AR模型 model = AutoReg(data, lags=5) results = model.fit() # 预测下一个值 next_value = results.predict(start=len(data), end=len(data))
baseline代码使用了一个非常简单的方法 - 计算历史平均值作为预测,这可以看作是一种非常基础的时序预测方法。
3. 理解赛题
- 任务:预测多个房屋未来的电力消耗
- 数据:包含房屋id、日期、房屋类型和实际电力消耗
- 预测目标:未来10天的电力消耗
- 评估指标:可能是均方误差(MSE)或平均绝对误差(MAE)等
下一步计划
- 尝试使用更复杂的时序模型如ARIMA
- 探索数据的时间特征,如周期性、季节性等
- 考虑引入额外特征,如天气数据、节假日信息等
from statsmodels.tsa.arima.model import ARIMA # 假设我们要对某个特定id的数据进行建模 id_data = train[train['id'] == some_id]['target'] # 拟合ARIMA模型 model = ARIMA(id_data, order=(1,1,1)) results = model.fit() # 预测未来10天 forecast = results.forecast(steps=10)