菜鸟机器学习随笔（二）

     这篇博客记录下中国工业大数据竞赛复赛以及决赛情况

     9月份开始，进入复赛，比赛规则发生了变化，组委会提供了8组测试数据，每组大概11000左右，我们需要预测每组数据接下来46285个周期内风机齿形带发生断裂的点M，若是M>46286,则风机齿形带没有发生断裂，同理，则发生断裂，没有给新的训练集，目前只有初赛时提供的5台风机的数据。

      先对测试集进行解读，可以知道每个测试集数据都是从不同的风机的数据集中截取的一部分。

     一开始我们仍然是用初赛时的方法，用那三台有故障的风机数据集分别训练模型，对测试集进行测试，想以此来测试测试集是处于风机数据集中哪一段，发现效果非常差，我们也有将测试集的特征与训练集的特征进行比较，也没有规律可循，这就变成一个难点问题。

     后来想到将问题分解成分类+回归问题，重新构建数据集，先通过分类算法判别测试集中可能有发生断裂的测试集，然后利用回归对M进行预测。

    分类数据集的构建：

    在分类模块，使用的是随机森林分类算法，因为随机森林在数据集上的表现最好，两个随机性的引入，可以有效避免过拟合的风险，有很好的抗噪声能力，随机森林能够处理高维度数据，并且自动进行特征选择，训练时间快。

    1、先对原始数据集进行min-max归一化，对于有故障的23、29号风机中，利用滑动窗口的方法在区间[t0-46286,t0]提取数据集，以11000为窗口，以47为步长，从t0开始向左滑动，每次滑