通过Task3: 进阶上分——赛题解析与新baseline解读的学习,我了解了如何确定隐含条件和提交数据格式,对比发现了新baseline与原始baseline实验提升细节,学习到了一些新的上分技巧。
在降水预测问题中,确定隐含条件和提交数据格式是确保预测模型准确性的关键步骤之一。通过深入分析隐含条件和准备合适的数据格式,可以提高降水预测模型的准确性和适用性,从而更有效地支持决策和应对天气变化的能力。在新的baseline中加载数据时,定义了验证集的dataloader,可以方便我们在每个epoch训练时查看当前epoch模型在验证集的表现, 判断模型效果。在模型训练时,增加了xvaier初始化,从一个随机的数据通过逐步训练,更新参数,逐步变成拟合程度最好的模型。并且新增了查看验证集loss的过程, 帮助我们判断哪些模型会是拟合程度更好的模型,还有一些超参数的调整,如学习率,权重衰减,训练周期epoch等。可以通过数据角度,数据角度,损失函数,调整超参数等方法实现更高的分数.