s2134512的博客

本次比赛是采用每天的天气信息（风速，日照等）来预测风力发电站/光伏发电站的当日产能，天气信息明显是一种时间序列，特别是日照具有很强的日循环特征，如何让模型捕捉到这种时间序列特征？由于数量量较少，代码采用的是boosting tree系列模型，并没有采用LSTM等深度学习网络。Chatgpt给出了两种考虑时间信息，并且对普通boosting tree模型改动较小的方法。

由于本人是代码小白，比赛代码全部由ChatGPT生成，我只能跟着GPT慢慢学着看懂代码。本篇记录一下特征工程部分内的几个函数/方法。

一种像树结构的模型，核心内容就是信息熵。常用的例子就是苹果分类，可以通过不同特征，例如：颜色，大小，气味等分类，最终分出好苹果还是坏苹果。正如树一样，从root（根节点）出发，不断根据特征分类，分岔，最终到达叶节点，确定出苹果的好坏。然而，分类树的核心问题就在于特征选择的顺序，也就是先依据哪个特征来挑苹果，我们希望的是分岔的步骤越少肯定是越好，越高效，但如何达到这一目的？这就依靠下面的信息熵来解决这个问题。

NetCDF（Network Common Data Form）是一种面向科学领域（尤其是气象、海洋、地球科学）的，非常适合存储如下结构的数据：时间序列空间网格（经纬度）多变量、多层数据（如温度、风速、降水等）NetCDF文件后缀一般为.nc或.nc4，数据结构包含组（Groups）、维（Dimensions）、变量（Variables）和属性（Attributes）四种描述类型，都是类字典形式。