Datawhale AI 夏令营
参加了电力预测赛道，按照所给的Task任务尝试做一下吧
赛题预览：
任务：给定多个房屋对应电力的消耗历史，预测房屋对电力的消耗
数据集格式：id(房屋标识),dt(日子标识),type(房屋类型),target(房屋在当天消耗的电力)
数据集tarin.csv
评审规则：
预测结果以 mean square error 作为评判标准，具体公式如下：
其中，
是真实电力消耗，
是预测电力消耗。
Task01 均值
思路：将均值作为预测值
具体做法：因为1-10天电力消耗数为测试集数据，所以训练集数据就是将11-之后天数的数据，给出的baseline代码很简单，直接将train.csv中的每个房屋消耗电力数取前20天，也就是11-20天的数据数据取均值，然后直接作为前1-10天的数据，从官方给出的sample_submit和dataset中test.csv的格式可以看出，这个比赛实质是通过11-之后的天数反推出前1-10天的数据
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('./data/data283931/train.csv')
# 使用 read_csv() 函数从文件中读取测试集数据，文件名为 'train.csv'
test = pd.read_csv('./data/data283931/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)
结果：提交393分
Task02
思路：第一是使用现成的模型保证模型下限，这里使用lightgbm，第二是对数据集进行切割，人为在训练集的基础上构建出测试集与训练集，训练模型
具体做法：使用特征工程，在这里采用历史平移特征与窗口特征，其实就是在找到最能够表达出数据独特性的特征，然后就是使用lightgbm模型训练预测。
代码：
def time_model(lgb, train_df, test_df, cols):
# 训练集和验证集切分
trn_x, trn_y = train_df[train_df.dt>=31][cols], train_df[train_df.dt>=31]['target']
val_x, val_y = train_df[train_df.dt<=30][cols], train_df[train_df.dt<=30]['target']
# 构建模型输入数据
train_matrix = lgb.Dataset(trn_x, label=trn_y)
valid_matrix = lgb.Dataset(val_x, label=val_y)
# lightgbm参数
lgb_params = {
'boosting_type': 'gbdt',
'objective': 'regression',
'metric': 'mse',
'min_child_weight': 5,
'num_leaves': 2 ** 5,
'lambda_l2': 10,
'feature_fraction': 0.8,
'bagging_fraction': 0.8,
'bagging_freq': 4,
'learning_rate': 0.05,
'seed': 2024,
'nthread' : 16,
'verbose' : -1,
}
# 训练模型
model = lgb.train(lgb_params, train_matrix, 50000, valid_sets=[train_matrix, valid_matrix],
categorical_feature=[], verbose_eval=500, early_stopping_rounds=500)
# 验证集和测试集结果预测
val_pred = model.predict(val_x, num_iteration=model.best_iteration)
test_pred = model.predict(test_df[cols], num_iteration=model.best_iteration)
# 离线分数评估
score = mean_squared_error(val_pred, val_y)
print(score)
return val_pred, test_pred
lgb_oof, lgb_test = time_model(lgb, train, test, train_cols)
# 保存结果文件到本地
test['target'] = lgb_test
test[['id','dt','target']].to_csv('submit.csv', index=None)
