kaggle比赛 ASHRAE能源预测数据挖掘挑战赛银牌 top2%

本文探讨了数据预处理中的关键步骤,包括处理缺失值、异常值和时间戳对齐的方法。介绍了利用中位数填补缺失值,log1p转换以及如何针对特定业务场景调整时间戳,以提高模型预测精度。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
某些数据缺失75% 处理缺失值的方法很一般 利用的中位数
在这里插入图片描述
找出异常值 ,表的读书为0的情况
在这里插入图片描述
在这里插入图片描述
log1p参考:
https://www.zhihu.com/question/28676215
https://blog.youkuaiyun.com/qq_36523839/article/details/82422865
在这里插入图片描述
数据预处理:
参考:https://www.cnblogs.com/purple5252/p/11343835.html
时间戳对齐:
气温达到最高温度的时间,
在这里插入图片描述
训练时间8-10小时
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
0.3 0.3 0.4 是多次尝试得到的结果

时间戳 都弄到 下午2点 可能会提升

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值