Datawhale AI 夏令营 机器学习 实践

一.时序预测

    对数据依照时间顺序排成序列，分析其变化和程度，从而对未来目标实现预测。时间序列预测的基本思想，就是将时间序列作为一个随机变量的一个样本，用概率统计的方法，从而尽可能减少偶然因素的影响。

    *注意时序预测对时间有严格要求，不得出现时间穿越

二.数据处理

    拿到数据后先对数据进行初步分析，一般依照步骤对数据的缺失值、异常值、无效值进行处理，

    data.info()、data.describe()可以对数据总体进行大致展示

    missingno库观察缺失值，data.hist()绘制直方图、plot.box（）处理异常值，积极利用可视化手段。

对部分数据进行程序可以处理的编码处理。

    *可以将训练数据和测试数据进行合并处理，统一构建，提高测试分数

三.特征工程

    观察并提炼出关键特征。

    历史平移特征：观察历史周期性，截取一段历史数据来代表未来数据走势。

    窗口统计特征：对一段固定数量的数据进行数据统计。

四.深度学习的部分实践

    K折交叉验证，分成K份，进行K-1次的随机训练    Kfold（）

    stacking融合，一种分层模型继承框架，原理就是神经网络的基本原理，多层处理曾对相同数据不断过滤。