数据集:链接: https://pan.baidu.com/s/1V_O9fW8jUTwtpgeVb7cSmg 提取码: 7sjx
一、利用LightGBM实现天气变化的时间序列预测
由于大气运动极为复杂,影响天气的因素较多,而人们认识大气本身运动的能力极为有限,因此天气预报水平较低.预报员在预报实践中,每次预报的过程都极为复杂,需要综合分析,并预报各气象要素,比如温度、降水等.现阶段,以往极少出现的极端天气现象越来越多,这极大地增加了预报的难度。
本项目使用LightGBM训练一个模型,来预测在给定天气因素下,城市的温度变化。
二、加载数据
# 1.加载时间序列数据
df = pd.read_csv('./data.csv', index_col = 0)
三、将数据进行标准化
为了统一不同特征之间的量纲,忽略数量级的影响,这里我们需要对其特征进行标准化,然后投入到网络中进行使用
注意一点