机器学习
文章平均质量分 72
Alexius1084
这个作者很懒,什么都没留下…
展开
-
Datawhale AI 夏令营(2024.07.20机器学习)
时间序列预测是一个不断发展的领域,随着技术的进步,我们可以期待更多的优化方法和模型的出现。深度学习模型,特别是LSTM和其变体,已经在许多时间序列预测任务中显示出了优越的性能。更复杂的模型结构:如引入注意力机制的LSTM模型,以更好地捕捉时间序列中的长期依赖关系。多模态数据融合:结合时间序列数据和其他类型的数据,如文本或图像,以提供更全面的分析。模型解释性:提高模型的可解释性,以便更好地理解预测结果。自动化特征工程:开发自动化的特征工程工具,以减少手动特征提取的工作量。实时预测。原创 2024-07-20 12:43:35 · 1714 阅读 · 0 评论 -
Datawhale AI 夏令营(2024.07.15机器学习)
其中id为房屋id,dt为日标识,训练数据dt最小为11,不同id对应序列长度不同;type为房屋类型,通常而言不同类型的房屋整体消耗存在比较大的差异;target为实际电力消耗,也是我们的本次比赛的预测目标。下面进行简单的可视化分析,帮助我们对数据有个简单的了解。不同type类型对应target的柱状图基本代码:figure()函数用于创建画布;bar()函数用于绘制条形柱状图(括号内为条形图内部参数);label()函数用于设定图像的纵横坐标;title()函数用于指定图像标题。原创 2024-07-15 21:24:10 · 691 阅读 · 0 评论 -
Datawhale AI 夏令营(2024.07.13机器学习)
赛题数据由训练集和测试集组成,为了保证比赛的公平性,将每日日期进行脱敏,用1-N进行标识。即1为数据集最近一天,其中1-10为测试集数据。数据集由字段id(房屋id)、 dt(日标识)、type(房屋类型)、target(实际电力消耗)组成。原创 2024-07-13 22:38:06 · 306 阅读 · 0 评论