宇宙级安全申明:博主本人仅有c/c++基础,无python、AI相关基础,参考了群内佬与助教的回答,如有错误还请多多指正
机器学习part
-
监督学习:使用带标签的数据进行训练,包含输入与期望的输出
-
无监督学习
- 半监督学习:无监督与监督结合体,通过未标记数据提高模型泛化能力,减少对大量标记数据的依赖
极端降水预测中使用历史数据进行训练,有标签,为监督学习
pytorch初步了解
-
PyTorch是由Meta AI(Facebook)人工智能研究小组开发的一种基于Lua编写的Torch库的Python实现的深度学习库
- baseline中构建数据集的类Dataset、数据加载类的Dataloader、定义模型的类Model均由pytorch构建
赛题理解
-
降水预测模型为时间序列预测模型(构建一个全时段可用的时间序列函数, 根据输入可以精准的得到目的的输出)
-
模型搭建:建立feature和groundtruth之间的关系,尽可能找到一个最好拟合降水预测过程的函数(通过pytorch搭建神经网络),在测试数据上验证模型的效果
-
改进方法:1.使用更多特征与数据2.优化模型(
看佬们的回答看花眼,我还是慢慢学吧qwq)
结尾:目前就照猫画虎跑了个baseline,陌生的知识太多了,能学到多少是多少,fighting!