集成学习案例二 （蒸汽量预测）

背景介绍

火力发电的基本原理是：燃料在燃烧时加热水生成蒸汽，蒸汽压力推动汽轮机旋转，然后汽轮机带动发电机旋转，产生电能。在这一系列的能量转化中，影响发电效率的核心是锅炉的燃烧效率，即燃料燃烧加热水产生高温高压蒸汽。
锅炉的燃烧效率的影响因素很多，包括锅炉的可调参数，如燃烧给量，一二次风，引风，返料风，给水水量；以及锅炉的工况，比如锅炉床温、床压，炉膛温度、压力，过热器的温度等。

数据信息

数据分成训练数据（train.txt）和测试数据（test.txt），其中字段”V0”-“V37”，这38个字段是作为特征变量

评价指标

最终的评价指标为均方误差MSE，即：$$Score=\frac{1}{n}\sum _1^n(y_i-y^{\ast }{)}^2$$

方法步骤

• 导入package
• 加载数据
• 探索数据分布
  • 因为是传感器的数据，即连续变量，所以使用 kdeplot(核密度估计图) 进行数据的初步分析，即EDA。
  • 删除训练集数据分布和测试集数据分布不均的数据集。
  • 查看特征之间的相关性（相关程度）。
  • 进行降维操作，即将相关性的绝对值小于阈值的特征进行删除
  • 进行归一化操作
• 特征工程
  • 绘图显示Box-Cox变换对数据分布影响，Box-Cox用于连续的响应变量不满足正态分布的情况。（Box-Cox变换之后，可以一定程度上减小不可观测的误差和预测变量的相关性。）
• 模型构建以及集成学习
  • 构建训练集和测试集
  • rmse、mse的评价函数
  • 寻找离群值，并删除
  • 进行模型的训练
• 进行模型的预测以及结果的保存

参考资料：

https://github.com/datawhalechina/team-learning-data-mining/tree/master/EnsembleLearning