电力需求预测赛-task1#Datawhale AI 夏令营

一、概述

作为机器学习小白，这是第一次接触机器学习，而且作为研0学生，希望借助这次机会，能够初窥机器学习之门槛，并应用于在日后的科研工作中。

这次AI机器学习夏令营基于讯飞开放平台“电力需求预测挑战赛”开展的实践学习，在实际项目中锻炼能力。

二、赛题要求及任务

此次赛题任务是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。赛题数据提供训练集和测试集两部分，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。最终预测结果以平均平方誤差作为评判依据。

三、task1-代码

在task1中，各位老师提供了已经写好的baseline，让我们一键跑通先进行体验。按照教程跑完后显示的结果是373.9，代码如下：

# 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('train.csv')
# 使用 read_csv() 函数从文件中读取测试集数据，文件名为 'test.csv'
test = pd.read_csv('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)

四、理解和思考

其中每个步骤的代码注释都讲解的十分清楚了，其中第三步骤的意思是：从训练集中筛选出 dt 小于20的记录，然后按 id 分组计算 target列的均值，并重置索引。要注意的是这里的计算方式是均值，将计算得出的均值（target）置入test文件（没有target），之后生成新的submit文件。

test文件中只有 ‘dt’ 1到10数据，train中提供 ‘dt’ 大于11的数据。按照我的理解， ‘dt’ 1到10的数据是我们要求预测的数据（根据train中提供的数据），怎么样预测的更准确就是我们后续要从算法层面优化的部分了。

由于代码中的计算方式是均值，我在后续的尝试中，将计算均值的范围进行了三次调整，分别拓展到200、300和400，但毫无意义，最终结果反而越来越差，这也和我预想的一样。均值这种计算方式用来预测十分不准确，将 ‘dt’ 范围扩大后，会造成更加不准确的结果。

后续使用机器学习的方法进行优化，应该会让预测结果更贴近真实情况。