本篇文章来帮助同学们如何在自己的电脑上运行Task1代码.
前提需要:
电力需求预测挑战赛
一句话介绍赛题任务可以这样理解赛题:
【训练时序预测模型助力电力需求预测】
电力需求的准确预测对于电网的稳定运行、能源的有效管理以及可再生能源的整合至关重要。
赛题任务
给定多个房屋对应电力消耗历史N天的相关序列数据等信息,预测房屋对应电力的消耗。
赛题数据简介
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。
具体步骤:
步骤一:下载pycharm 和python
上官网下载最新版即可,具体流程自行查询
步骤二:在安装好的pycharm中打开新建的一个project建立一个新文件命名为机器学习(文件名可自命名),在pycharm中新建一个py后缀的文件(名字可自命名).
步骤三:复制baseline上的代码到python文件里,注意修改train和test中的对应路径
baseline代码模型取得是平均值
# 1. 导入需要用到的相关库
# 导入 pandas 库,用于数据处理和分析
import pandas as pd
# 导入 numpy 库,用于科学计算和多维数组操作
import numpy as np
# 2. 读取训练集和测试集
# 使用 read_csv() 函数从文件中读取训练集数据,文件名为 'train.csv'
train = pd.read_csv('./dataset/train.csv')
# 使用 read_csv() 函数从文件中读取测试集数据,文件名为 'train.csv'
test = pd.read_csv('./dataset/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)
步骤四:下载相应的训练集和数据集
2024 iFLYTEK A.I.开发者大赛-讯飞开放平台 (xfyun.cn)复制链接到浏览器里,到赛题数据里下载电力需求预测挑战赛数据集.zip,将其保存到刚才创建的python文件的同级目录中去,解压,得到一个文件夹dataset,里面含有两个文件test.csv和train.csv
步骤五:安装运行代码需要的库pandas和numpy
win+r打开Windows系统的运行窗口,输入cmd
然后运行代码
pip install pandas
注意国内下载比较慢,可能需要翻墙加速
运行代码
pip install numpy
步骤六:运行步骤二创立的python文件,此时不会标红
import pandas as pd和import numpy as np
得到submit.csv文件
步骤七:上传文件submit.csv到2024 iFLYTEK A.I.开发者大赛-讯飞开放平台 (xfyun.cn)的电力需求预测挑战赛里的提交结果中去,得到分数
373.89846 |
和非本地运行一致