【Datawhale AI 夏令营】电力需求预测 Task02

一.目标

完成task01最基础的跑通baseline操作后，task02的目标就是使用进阶的机器学习模型lightgbm来解决问题，以达到更好的预测效果。

通过本次学习，可以了解：

• 用数据集绘制柱状图和折线图
• 使用时间序列数据构建历史平移特征和窗口统计特征
• 使用lightgbm进行训练并预测

二.基础概念

1.LightGBM

LightGBM（Light Gradient Boosting Machine）是一个实现GBDT算法的框架，支持高效率的并行训练，并且具有更快的训练速度、更低的内存消耗、更好的准确率、支持分布式可以快速处理海量数据等优点。
LightGBM 框架中还包括随机森林和逻辑回归等模型。通常应用于二分类、多分类和排序等场景。

三.代码

本次测试主要是在飞桨AI Studio星河社区进行运行的
链接: link

1.数据集选择

当你登录（注册）好账号后，本次测试需要数据集，所以需要我们手动去选择添加对应的数据集。

• 点击项目，选择新建项目中的Notebook
• 点击添加数据集，搜索电力需求预测挑战赛-数据集
  

2.模块导入

• 在导入模块之前，需要先安装上LightGBM,输入下述代码，之后运行，即可安装。

pip install lightgbm==3.3.0

• 导入所需模块

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

3.读取训练数据和测试数据

根据个人相关数据库的地址所在（可能提供的源代码的地址和你的实际地址有出入），可以对下述中的地址进行修改

train = pd.read_csv('./data/data283931/train.csv')
test = pd.read_csv('./data/data283931/test.csv')

数据介绍：

• 其中id为房屋id;
• dt为日标识，训练数据dt最小为11，不同id对应序列长度不同；
• type为房屋类型，通常而言不同类型的房屋整体消耗存在比较大的差异；
• target为实际电力消耗，也是我们的本次比赛的预测目标。

4.可视化分析

• 不同type类型对应target的柱状图

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()

• id为00037f39cf的按dt为序列关于target的折线图

specific_id_df = train[train['id'] == '00037f39cf']
plt.figure