-
Datawhale 夏令营 机器学习 笔记1
-
比赛题目
-
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
-
-
评审规则
-
数据说明
-
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。
-
-
评审规则
-
-
-
-
作品提交流程
-
配置环境
-
在百度飞桨https://aistudio.baidu.com/projectdetail/8151133中打开项目
-
在项目大厅页面,右上角点击运行一下,运行项目
-
运行后,点击启动环境,启动运行模型所需的环境
-
-
运行模型
-
查看或修改main.ipynb代码,优化模型
-
点击运行全部cell按钮,运行模型,生成结果(submit.csv文件)
-
将submit.csv下载保存到本地
-
-
提交结果
-
在https://challenge.xfyun.cn/h5/detail?type=electricity-demand&ch=dw24_uGS8Gs竞赛页面,上传submit.csv文件,提交结果,更新分数
-
-
-
baseline代码
-
# 1. 导入需要用到的相关库
# 导入 pandas 库,用于数据处理和分析
import pandas as pd
# 导入 numpy 库,用于科学计算和多维数组操作
import numpy as np
# 2. 读取训练集和测试集
# 使用 read_csv() 函数从文件中读取训练集数据,文件名为 'train.csv'
train = pd.read_csv('train.csv')
# 使用 read_csv() 函数从文件中读取测试集数据,文件名为 'test.csv'
test = pd.read_csv('test.csv')
# 3. 计算训练数据最近11-20单位时间内对应id的目标均值
target_mean = train[train['dt']<=20].groupby(['id'])['target'].mean().reset_index()
# 4. 将target_mean作为测试集结果进行合并
test = test.merge(target_mean, on=['id'], how='left')
# 5. 保存结果文件到本地
test[['id','dt','target']].to_csv('submit.csv', index=None)
调试记录:
2024.7.14
看了train和test数据集,发现以下特征:
房屋数量:共有5832个不同的房屋id
trian数据集中日期数量:大部分房屋都有496天左右的数据,部分房屋日期数据不全,例如某房屋只有210天的数据,
通过分析代码,代码求的是最近10天各房屋用电量的平均值,以该平均值作为测试数据的预测值,最终得分373分
于是我想,如果求496天的各房屋用电量的平均值作为预测值会不会更准,最终提交以后,得分624分,惨败
原因分析:猜测各房屋的历史用电数据应该有一定波动,且是连续平滑变化的,即最近10天用电数据可能跟最近第11-20天用电数据比较接近,所以用第11-20天用电数据的均值相对比较准确,而整个496天平均值会离最近10天的用电量可能会比较远,导致分数提高了。