基于xgboost的风力发电机叶片结冰分类预测

xgboost中文叫做极致梯度提升模型，官方文档链接：https://xgboost.readthedocs.io/en/latest/tutorials/model.html

2018年9月6日笔记
IDE(Intergrated development Environment)，集成开发环境为jupyter notebook
操作系统：Win10
语言及其版本：python3.6
此项目的难点在于pandas的熟练使用、机器学习模型快速开发和部署。

0.打开jupyter notebook

在桌面新建文件夹风力发电机叶片结冰分类预测，按钮如下图所示：

image.png

在文件夹 风力发电机叶片结冰分类预测中打开 PoweShell。
在文件夹中 按住Shift键的情况下，点击鼠标右键，出现如下图所示：

image.png

点击上图中的 在此处打开PowerShell窗口，在其中输入命令并运行： jupyter notebook

image.png

运行命令后会自动打开浏览器窗口，新建代码文件，如下图所示：

image.png

aerogenerator中文叫做 风力发电机；
vane中文叫做 叶片。
代码文件重命名为 aerogeneratorVane，重命名文件 按钮位置如下图所示：

image.png

1.加载数据

数据集下载链接: https://pan.baidu.com/s/15NsGA1fvDlmQdxww_xBXZg 密码: 8sn8
下载文件为zip压缩文件，里面含有3个csv文件：data.csv、failure.csv、normal.csv
data.csv文件是带有所有特征字段的数据集；
failure.csv文件是风力发电机叶片故障时间段，时间段包括2个字段：开始时间startTime、结束时间endTime；
normal.csv文件是风力发电机叶片正常时间段，时间段包括2个字段：开始时间startTime、结束时间endTime。
3个文件要放到代码文件同级目录下。

1.1 pd.read_csv方法加载数据

载入data.csv文件并观察数据代码如下：

import pandas as pd

data_df = pd.read_csv('data.csv', parse_dates=['time'])
print(data_df.shape)
data_df.head()

image.png

1.2 利用pickle保存数据集

安装pickle库命令：pip install pic