Datawhale AI 夏令营-电力需求挑战赛 Task1笔记

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)