【DataWhale AI 夏令营】机器学习：电力需求预测挑战赛——task2

一、赛题任务

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。

二、赛题数据简介

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。

三、使用lightgbm解决问题

1. 下载Python库lightgbm

由于解决问题需要用到进阶模型lightgbm，而飞桨平台的BML CodeLab中没有相应的库，需要通过运行程序来安装。
使用的lightgbm库版本为3.3.0，该版本在模型训练时需传递参数verbose_eval（每隔verbose_eval次迭代，输出一次评估结果）与early_stopping_rounds（如果验证度量在最后一轮停止后没有改进，该参数将停止训练），而4.0.0之后（待验证）的版本则不需要。

!pip install lightgbm==3.3.0

2. 导入模块

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. 探索性数据分析（EDA）

导入数据集

由于代码在飞桨平台的BML CodeLab上运行，因此训练集和测试集的目录与task1中的baseline一致。

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

训练集中部分数据如下：

• id：房屋id；
• dt：日标识，训练数据dt最小为11，不同id对应序列长度不同；
• type：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：实际电力消耗，本次比赛的预测目标。

数据的直观显示：房屋类型-平均实际电力消耗柱状图

根据房屋类型type的值划分target集合，并计算各自type值对应的平均target值，以柱状图形式输出。

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',