天池工业蒸汽量预测学习赛 - day1赛题理解

作为第一次进行天池学习赛的学习新人，如有错误，请多指教！

拿到一个赛题的时候呢，首先要对赛题进行理解，其次是数据探索，特征工程，然后是模型训练，模型验证，最后特征优化和模型融合
根据前段时间的阅读（1-20面）得出以下数据清洗的方法与例子

赛题理解：

赛题目的

根据给定的数据，对模型进行训练，然后的到预测集的预测数据，预测数据越准确，模型越好

数据概览

下载完数据以后，找到训练集与测试集，找到目标变量的值

评估指标

预测结果以均方误差MSE作为评判标准。

前面一个y是真实值，后面一个y是预测值
当MSE值越小，准确度越高，在sklearn中直接调用mean_squared_errer()计算MSE的值
例子：

对应代码：

from sklearn.metrics import mean_squared_error
y_test = [1,2,3]
y_predict = [1.2, 2.1, 3.2]
mean_squared_error(y_test, y_predict)

赛题模型

常用模型：回归预测模型和分类预测模型
1、回归预测模型
多个变量的输入称为多元回归问题
输入的变量按照时间的吮血排序称为时间序列预测问题
2、分类预测模型
俩个类别的问题通常被称为二类分类问题或者二元分类问题
多个类别的就称为多元分类问题
3、如何区分是哪种预测模型
将数据散点图绘制以后，发现图像是呈现一个函数图形形状的，就是回归预测模型，如果散点图呈现分布状态，就是东一坨，西一坨，那就是分类预测模型。
其中回归预测模型是一种监督模型，而分类预测模型是一种无监督模型

具体赛题分析

由于本赛题中提供的数据是连续的，所以说应该使用回归预测模型求解

引用链接：七种回归模型