科大讯飞-温室温度预测挑战赛个人总结（非Top）

前言

这算是博主完整参加的第一个数据竞赛，真的收获了好多东西，对数据竞赛有了全方位的认识，也全程目睹了前排大佬神仙打架。这篇文章也算是对这次比赛历程的一个回顾，因为复赛没有怎么做，这里主要还是总结自己初赛时收获的tricks，欢迎小伙伴们一起交流学习！Tips：当然还要非常感谢鱼佬和阿泽两位大神的baseline和思路分享！

这里介绍一下团队的主要成员：

• 壹磊，北京交通大学运筹学与控制论专业研二在读
• yiyang，东华大学应用统计专业研二在读
• 潜心，上海师范大学计算机技术专业研二在读

一、赛题介绍：时间序列问题

比赛网址：http://challenge.xfyun.cn/topic/info?type=temperature

因为初赛和复赛规则几乎完全不同，可以说是两个不同的比赛。初赛可以定位为多变量回归问题，复赛则变成了一个基于时间序列预测的结果补全问题。说来惭愧，复赛的一个月的时间我们团队都在忙各种事情，基本上只有一个队友偶尔在做，所以这篇主要是我对初赛特征工程方面的总结。

---

二、初赛：允许使用当前值和特征穿越

初赛里我们团队成员还没有相识，因此各自单打独斗进行建模，毫无例外都使用了xgboost单模，最终的成绩分别为0.104、0.106和0.117，这样的做法的优势是使我们各自的模型存在一定差异性的，也为后续的模型融合创造了条件，最终经过模型融合和调整，我们队伍的初赛A帮成绩定格在0.10034，最终A榜排在36名，切换到B榜排名上升到28名(28/771)，顺利入围复赛。

A榜

B榜

下面，我主要总结一下我在数据处理和特征工程中做的工作，有很多借鉴了鱼佬的baseline，并且没有做分桶特征，同时较少涉及特征穿越。（单模成绩：0.106 ，A榜排名：60名左右，我觉得B榜应该会有不小的提升）

1. 缺失值补全（使用fillna操作）

# 缺失值补全
f = ['outdoorTemp','outdoorHum','outdoorAtmo','indoorHum','indoorAtmo']
train_df[f] = train_df[f].fillna(method='ffill')
test_df[f] = test_df[f].fillna(method='ffill')

2. 异常值截断（假设数据服从正态分布，使用3σ法则进行截断，可用前后均值替换）

# 气压异常值前后均值替换
for f in tqdm(['indoorAtmo', 'outdoorAtmo']):
    upper = data_df[f].mean()+ 3 * data_df[f].std()
    lower = data_df[f].mean()- 3 * data_df[f].std()
    for i in data_df[data_df[f] > upper].index:
        data_df.loc[i,f] = (data_df.loc[i-1,f] + data_df.loc[i+1,f])/2
    for i in data_df[data_df[f] < lower].index:
        data_df.loc[i,f] = (data_df.loc[i-