Datawhale AI 夏令营，基于讯飞开放平台“电力需求预测挑战赛”，Task 1：跑通baseline

最新推荐文章于 2024-08-12 19:38:15 发布
最新推荐文章于 2024-08-12 19:38:15 发布
阅读量126 收藏
点赞数 1
文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45920293/article/details/140407943
版权

一：因为是基于讯飞开放平台，所以先要进行报名赛事
赛事链接：https://challenge.xfyun.cn/h5/detail?type=electricity-demand&ch=dw24_uGS8Gs
操作截图如下：
在这里插入图片描述
在这里插入图片描述
二：跑通baseline项目
项目链接：https://aistudio.baidu.com/projectdetail/8151133
1、登录百度账号
在这里插入图片描述
在这里插入图片描述
2、运行项目
在这里插入图片描述
注意如果是新用户，需要完善信息：
在这里插入图片描述
在这里插入图片描述
注意填写完信息后刷新即可。
3、启动环境
在这里插入图片描述
在这里插入图片描述
4、运行全部Cell
在这里插入图片描述
5、下载submit.csv文件
在这里插入图片描述
在这里插入图片描述
三：提交文件，查看评分
链接：https://challenge.xfyun.cn/h5/detail?type=electricity-demand&ch=dw24_uGS8Gs
使用刚刚下载的submit.csv文件进行提交！
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
评分大概需要几分钟，评分结束后可以在下方看到自己提交的评分结果。
以下是我的分数示例：
在这里插入图片描述

PhilLiuAce
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Datawhale AI 夏令营，基于讯飞开放平台“基于术语词典干预的机器翻译挑战赛”，Task 1：跑通baseline
weixin_45920293的博客
07-13 262
链接：https://challenge.xfyun.cn/topic/info?赛事链接：https://challenge.xfyun.cn/h5/detail?魔搭链接：https://modelscope.cn/my/mynotebook/preset。链接：https://modelscope.cn/my/mynotebook/preset。双击打开MT/code/目录，并拖入task-1代码文件完成上传。4、在MT/code/目录下上传task-1代码文件。6、打开代码文件，一键运行代码！
电力需求预测挑战赛笔记 Taks1 跑通baseline #Datawhale AI 夏令营
qq_23311271的博客
07-11 705
电力需求预测挑战赛;【训练时序预测模型助力电力需求预测】
#AI夏令营#Datawhale#机器学习方向#讯飞电力需求预测挑战赛task1随便跑通和随便记录
GoBig599的博客
07-11 352
看起来是个时序问题呐~特征很少需要构建一些特征~主要是时间方面的特征吧~也许需要线下验证所以说还要注意标签泄露的问题~模型用LSTM吗？或者别的树模型~也许还要融合一下子~脑袋有点乱先这样哈哈哈哈。结果当然非常感人：宝宝我提交了一个结果并且迈出了参与竞赛第一步还写了笔记我可真棒棒呐~夏令营贴心的提供了一个baseline主打一个能跑就行活活笑死~
Datawhale AI 夏令营- 讯飞机器翻译挑战赛task2：baseline代码详解
NeuroSoon的博客
07-16 909
这张图展示了经典的 RNN 架构，其中每个垂直矩形框都是时间步长 t 的隐藏层，每个这样的层都包含若干神经元，每个神经元对其输入执行线性矩阵运算，然后执行非线性运算（例如 tanh()）。语言模型需要计算特定序列中多个单词出现的概率。模型可以在不同的词序之间进行选择，它将通过为每个词分配一个分数的概率函数运行所有词序列来实现这一目标，得分最高的序列是翻译的输出。例如，如果模型采用2-gram，则通过将单词与其前一个单词组合来计算的每个 2-gram 的频率将除以相应的uni-gram的频率。
【DataWhale AI 夏令营】机器学习：电力需求预测挑战赛——task2
m0_64428166的博客
07-16 436
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。
【DataWhale AI 夏令营】机器学习：电力需求预测挑战赛——task1
m0_64428166的博客
07-13 145
【DataWhale学习笔记】机器学习——电力需求预测挑战赛 第一天：跑通baseline
基于术语词典干预的机器翻译挑战赛笔记Task1 跑通baseline #Datawhale AI 夏令营
qq_23311271的博客
07-12 758
基于术语词典干预的机器翻译挑战赛笔记Task1 跑通baseline
【Datawhale AI夏令营】NLP入门 学习笔记 TASK1：跑通baseline，了解机器翻译，理解赛题
m0_74063316的博客
07-14 730
跑通baseline，了解机器翻译，理解赛题
Datawhale AI夏令营第2期-科大讯飞xDatawhale-电力需求预测挑战赛-Task1
WHX1141952774的博客
07-11 710
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。适用性：传统模型适合数据量较小、模式简单的问题；机器学习模型适合中等复杂度的问题，可以引入额外变量；深度学习模型适合数据量大、模式复杂的任务。解释性：传统时间序列模型通常具有较好的解释性；机器学习模型的解释性取决于特征工程；深度学习模型的解释性通常较差。计算资源：传统模型计算效率最高；机器学习模型次之；深度学习模型通常需要最多的计算资源。预测能力：深度学习模型在捕捉复杂模式方面具有优势，但需要大量数据支持；
【Datawhale AI 夏令营第三期学习笔记Taks1】 跑通baseline #Datawhale AI 夏令营
07-28
【Datawhale AI 夏令营第三期学习笔记Taks1】 跑通baseline #Datawhale AI 夏令营
“AI Earth”人工智能创新挑战赛：助力精准气象和海洋预测Baseline
06-06
聚焦全球大气海洋研究前沿方向，将人工智能技术应用到天气气候预测领域中，提高极端灾害性天气的预报水平，已成为整个行业研究的热点方向。发生在热带太平洋上的厄尔尼诺-南方涛动(ENSO)现象是地球上最强、最显著的...
ICCV 2021美团大规模食品AI挑战赛Task 1开源baseline方案.zip
11-09
美赛竞赛资源，竞赛解决方案，包含完整源码解决方案内容，可用于参赛学习、参考 美赛竞赛资源，竞赛解决方案，包含完整源码解决方案内容，可用于参赛学习、参考 美赛竞赛资源，竞赛解决方案，包含完整源码解决方案...
年化26.4%，quantlab5.5发布——多任务机器学习组合优化，可视化策略生成向导（代码+数据）
weixin_38175458的博客
08-09 504
三年前，开始认真输出内容，就有了B计划的样子。——现在的生活是你三年前、五年前的模式所决定的，没有办法很快去改变。这个需要想清楚，这条路当然优点非常多，尤其适合内向，不喜欢，也不擅长与人协作、打交道的同学们。有时候不是努力就可以的，它需要一种特质，一点点悟性，还有很多的耐心。你理想中的生活与现实中的生活，之间的差距，就是你要去补足的地方。C计划，大胆一点，疯狂一点，守住底线的基础上勇敢做自己。三年后、五年甚至八年后，你想过上什么样的生活。但三年，五年后的生活，是你当下的模式所决定的。你的C计划是什么呢？
西瓜书学习笔记一 引言 基本术语 机器学习周志华
最新发布
XinxingZh的博客
08-12 682
日常生活中有很多，如判断天气、判断西瓜是否成熟。我们能做出有效的预判，是因为我们已经积累了许多经验，而通过对经验的利用，就能对新 情况做出有效的决策。机器学习它致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。在计算机系统中，"经验"通常以"数据"形式存 在，因此，机器学习所研究的主要内容，是关于的算法，即"学习算法" (learning algorithm)。
《机器学习by周志华》学习笔记-决策树-03
vanilla698的博客
08-12 629
到目前为止，我们在决策树01、02中仅讨论了基于离散属性来生成决策树，而现实任务中常会遇到连续属性，所以在本章的学习中，我们将会讨论如何在决策树学习中使用连续属性。缺失值处理现实生活中的数据结构经常会遇到不完整的样本，即有些样本的某些属性值缺失。且样本数量越大，缺失的属性值会越多。例如医疗数据中隐私测量结果等。
零基础学会机器学习，到底要多久？
2301_79335566的博客
08-07 1022
这两天啊，有不少朋友和我说，想学机器学习，但是之前基础，不知道能不能学得会。首先说结论，，但是一定不能三天打鱼两天晒网，要持之以恒，至少每隔两天，必须得看一点。所以呀，我整理了关于机器学习各种内容的资料，跟大家一起看一看，从零基础入门，想要学会深度学习，到底需要多长时间呢？首先声明，没有广告！没有广告！没有广告！接下来呢，咱们就进入正题，要多久能学会，也就是基本掌握机器学习。这里，我们依次来看。
机器学习第十章-降维与度量学习
wastec的博客
08-12 548
K近邻学习是一种简单的监督学习算法，用于分类和回归任务。：存储训练数据及其标签，没有显式的训练过程。给定测试样本 x，若其最近邻样本为z 则最近邻分类器出错的概率就是x与z类别标记不同的概率，即：10.2低维嵌入在高维情形下出现的数据样本稀疏、距离计算困难等问是所有机器学习方法共同面的严重障碍，被称为"维数灾难"。
Sigmoid函数：机器学习中的关键激活函数
在路上的专栏
08-12 344
Sigmoid函数，也称为逻辑函数，其数学表达式为：其中，( e ) 是自然对数的底数，约等于2.71828。Sigmoid函数的特点是将任意实数映射到(0, 1)区间内，这使得它在处理二分类问题时特别有用。
2022商品销量预测Kaggle竞赛入门：Baseline教程
该比赛的目标是基于历史销售数据和需求预测未来的商品销量，属于时间序列分析领域，常见于机器学习和深度学习在商业智能中的应用。 1. **背景与目标**： - 挑战赛的主题是商品销量预测，这是时序分析的一个典型...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值