- 博客(3)
- 收藏
- 关注
RSS订阅原创 Datawhale AI 夏令营 电力需求预测赛 task03
早停和学习率调度：使用了 EarlyStopping 和 ReduceLROnPlateau 回调函数来调整训练过程，防止过拟合和动态调整学习率。这张图片提供了一系列关于时间序列预测中构建关键特征的要点，包括强相关性特征、趋势性特征、周期性特征和异常点特征。与基础代码相比，我的代码做了一些改进，包括数据预处理、模型架构、训练过程以及预测结果的处理等。我的模型架构更复杂，使用了更多的 LSTM 层和 Dropout 层，以减少过拟合。训练轮数和验证集：设置了 100 个 epoch 和 20% 的验证集。
2024-07-19 16:57:39
325
原创 Datawhale AI 夏令营 电力需求预测赛 task02
时间序列预测是一个不断发展的领域，随着技术的进步，我们可以期待更多的优化方法和模型的出现。深度学习模型，特别是LSTM和其变体，已经在许多时间序列预测任务中显示出了优越的性能。更复杂的模型结构：如引入注意力机制的LSTM模型，以更好地捕捉时间序列中的长期依赖关系。多模态数据融合：结合时间序列数据和其他类型的数据，如文本或图像，以提供更全面的分析。模型解释性：提高模型的可解释性，以便更好地理解预测结果。自动化特征工程：开发自动化的特征工程工具，以减少手动特征提取的工作量。
2024-07-16 21:32:47
563
原创 Datawhale AI 夏令营 电力需求预测赛 task01
电力需求的准确预测对于电网的稳定运行、能源的有效管理以及可再生能源的整合至关重要。然而，电力需求受到多种因素的影响，为了提高电力需求预测的准确性和可靠性，推动智能电网和可持续能源系统的发展，本场以“电力需求预测”为赛题的数据算法挑战赛。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。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。下载生成的submit.csv文件并在官网提交，查看分数。
2024-07-13 20:10:02
273
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人