【Datawhale AI 夏令营】从零入门AI竞赛(机器学习方向)----电力需求预测挑战赛 Task 1

从零入门机器学习竞赛 是 Datawhale 2024 年 AI 夏令营第二期的学习活动（“机器学习”方向），基于讯飞开放平台“电力需求预测挑战赛”开展的实践学习。

让我们来看看这个赛题的目标是什么？

【训练时序预测模型助力电力需求预测】

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。

Task 1的主要任务：跑通baseline 

对于像我这样的初学者，我们通常对机器学习感到很困惑。机器学习就是专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径。

Baseline是一份简易的入门教程，可以帮助同学们迈出 AI 训练大师之路的第一步。

baseline代码

# 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('./data/data283931/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('./data/data283931/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)

代码分析

1. 导入库

import pandas as pd
import numpy as np

• Pandas：用于数据处理和分析，提供强大的数据结构。
• Numpy：用于科学计算，支持多维数组操作。

2. 读取数据

train = pd.read_csv('./data/data283931/train.csv')
test = pd.read_csv('./data/data283931/test.csv')

 读取训练集和测试集数据，文件路径为 ./data/data283931/，文件名分别为 train.csv 和 test.csv。

3. 计算目标均值

target_mean = train[train['dt']<=20].groupby(['id'])['target'].mean().reset_index()

• 从训练集中筛选 dt 小于等于 20 的数据。
• 按照 id 分组，计算 target 的均值，并重置索引。结果存储在 target_mean 中。

4. 合并数据 

test = test.merge(target_mean, on=['id'], how='left')

将计算出的 target_mean 根据 id 合并到测试集中，采用左连接（how='left'），确保所有测试数据保留。

5.保存结果

test[['id','dt','target']].to_csv('submit.csv', index=None)

 从测试集中选择 id、dt 和 target 列，并保存为 submit.csv，不保存索引。

总结

这段代码的整体流程是读取数据、计算特定条件下的均值、合并结果，并将最终结果保存到文件中。整体逻辑清晰，适合用于基础的数据分析与处理任务。

上传结果 

比赛网址：

2024 iFLYTEK AI开发者大赛-讯飞开放平台
最后得分：

个人收获 

经过Task 1的学习，还是有点懵。┭┮﹏┭┮