Datawhale AI夏令营 机器学习Task1 笔记打卡

这是本人第一次尝试Datawhale的夏令营学习，学习任务是参加科大讯飞举办的机器学习赛事——电力需求预测挑战赛。

首先简单的分析一下赛题，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。很明显，因为输入数据是历史N天，所以这是一道时间序列分析题。学习手册中也给出了对时间序列分析的处理思路：ARIMA、机器学习模型（回归分析、集成学习等）、深度学习（LSTM等）。

接下来，让我们解读下baseline吧：

# 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)

可以看到，这个baseline其实很简单。严格来讲，baseline并没有使用机器学习模型来预测，而是使用了均值填充的方法做预测。从训练集中选取时间小于等于20的数据，按照房屋ID分组，计算每组的 电力消耗目标值（target）的均值。这种方法的预测分数（评审标准是MSE）是373.89。

使用简单的均值填充做预测，在我看来可能太过简单粗暴了，不能很好的捕捉数据的动态变化规律。因此，后续我将继续跟着学习，尝试使用机器学习模型进行解决。