Обмен технологиями

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

#AIsummercamp#Datawhale #summercamp

1. Знакомство с конкурсом

В условиях быстрого развития мировой экономики и ускорения урбанизации энергетическая система сталкивается с растущими проблемами. Точное прогнозирование спроса на электроэнергию имеет решающее значение для стабильной работы энергосистемы, эффективного управления энергопотреблением и интеграции возобновляемых источников энергии.

2. Задачи мероприятия

Учитывая соответствующие данные последовательности и другую информацию за N дней истории потребления электроэнергии, соответствующую нескольким домам, спрогнозируйте потребление электроэнергии, соответствующее домам.

Конкурс разработчиков искусственного интеллекта iFLYTEK 2024 — Открытая платформа iFLYTEK  

3. Задача 2: Расширенный LightGBM, начало разработки функций

(1) Модуль импорта:Этот раздел содержит модули, необходимые коду.

import numpy as np
import pandas as pd
import lightgbm as lgb
from sklearn.metrics import mean_squared_log_error, mean_absolute_error
import tqdm
import sys
import os
import gc
import argparse
import warnings
warnings.filterwarnings('ignore')

(2) Подготовка данных

На этапе подготовки данных в основном считываются данные обучения и тестовые данные, а также выполняется отображение основных данных.

train = pd.read_csv('./data/train.csv')
test = pd.read_csv('./data/test.csv')

Краткое введение в данные: Среди них id — это идентификатор дома, dt — идентификатор дня, минимальные данные обучения dt — 11, а разные идентификаторы соответствуют разным типам последовательностей — это тип дома. Вообще говоря, в целом существует относительно большая разница; потребление различных типов домов; целью является фактическое энергопотребление, которое также является целью нашего прогноза для этого конкурса. Ниже приводится простой визуальный анализ, который поможет нам лучше понять данные.

• Гистограмма целей, соответствующих разным типам

import matplotlib.pyplot as plt
# 不同type类型对应target的柱状图
type_target_df = train.groupby('type')['target'].mean().reset_index()
plt.figure(figsize=(8, 4))
plt.bar(type_target_df['type'], type_target_df['target'], color=['blue', 'green'])
plt.xlabel('Type')
plt.ylabel('Average Target Value')
plt.title('Bar Chart of Target by Type')
plt.show()

• Линейная диаграмма цели с идентификатором 00037f39cf в виде последовательности согласно dt

specific_id_df = train[train['id'] == '00037f39cf']
plt.figure(figsize=(10, 5))
plt.plot(specific_id_df['dt'], specific_id_df['target'], marker='o', linestyle='-')
plt.xlabel('DateTime')
plt.ylabel('Target Value')
plt.title("Line Chart of Target for ID '00037f39cf'")
plt.show()

(3) Разработка функций

Здесь мы в основном строим исторические функции перевода и статистические функции окон. Каждая функция хорошо обоснована и подробно объясняется следующим образом:

• Особенности исторического перевода:Информация предыдущего этапа получается посредством исторического перевода; как показано на рисунке ниже, информация времени d-1 может быть передана времени d, а информация времени d может быть передана времени d+1, реализуя таким образом особенность построения одной единицы перевода.

• Статистические характеристики окна: Статистика окон может создавать окна разных размеров, а затем вычислять среднее, максимальное, минимальное, медианное значение и информацию о дисперсии на основе диапазона окна, которая может отражать изменения в данных на самом последнем этапе. Как показано на рисунке ниже, информация о трех единицах времени до момента d может быть статистически построена, чтобы дать мне момент d.

  # 合并训练数据和测试数据，并进行排序
  data = pd.concat([test, train], axis=0, ignore_index=True)
  data = data.sort_values(['id','dt'], ascending=False).reset_index(drop=True)
   
  # 历史平移
  for i in range(10,30):
      data[f'last{i}_target'] = data.groupby(['id'])['target'].shift(i)
      
  # 窗口统计
  data[f'win3_mean_target'] = (data['last10_target'] + data['last11_target'] + data['last12_target']) / 3
   
  # 进行数据切分
  train = data[data.target.notnull()].reset_index(drop=True)
  test = data[data.target.isnull()].reset_index(drop=True)
   
  # 确定输入特征
  train_cols = [f for f in data.columns if f not in ['id','target']]
  

  4) Обучение модели и прогнозирование тестового набора

  Модель Lightgbm обычно используется в качестве базовой модели на соревнованиях по интеллектуальному анализу данных. Она позволяет получить относительно стабильные результаты без необходимости корректировки параметров процесса. Кроме того, следует отметить, что построение обучающего набора и проверочного набора, поскольку данные имеют связь временных рядов, строго разделены в соответствии с временными рядами. Здесь исходный набор обучающих данных dt равен 30 в качестве обучающего. данные, а предыдущие данные используются в качестве данных проверки, это гарантирует отсутствие проблем пересечения данных (будущие данные не используются для прогнозирования исторических данных).

def time_model(clf, 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 = clf.Dataset(trn_x, label=trn_y)
    valid_matrix = clf.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 = clf.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)

получатьДоля.

4.Дополнительно

Важность разработки функций очевидна.

Я добавил еще несколько функций, мог бы добавить еще, но у colab не хватило памяти.

Есть миллионы данных, и нет возможности добавить больше функций. Посмотрим, как их оптимизировать позже.