/KDD_CUP_2018

KDD CUP 2018

Primary LanguagePython

KDD_CUP_2018

获得奖项

  • KDD CUP 2018 第三名;
  • 最佳长期预测第二名;
  • 最后十天预测第五名;

KDD CUP 2018 解决方案


队名: 头号玩家@ICA@CortexLabs

队员: 周杰(华东师范大学) 蔡恒兴(CortexLabs,中山大学)


KDD CUP 2018 Top4 链接(转发,侵权请联系删除): https://github.com/piupiuup/kdd2018/blob/master/.gitignore/code

KDD CUP 初赛 Top1 链接(转发,侵权请联系删除):https://github.com/ryancheunggit/kddcup2018-of-fresh-air

KDD CUP 2017 Task2 Top2 链接:https://github.com/12190143/Black-Swan


环境要求

Python2.7

  • sklearn
  • pandas
  • numpy
  • XGBoost
  • LightGBM

说明

  • baseline/ 数据预处理和主要的基本模型
  • dataset/ 存放数据集和临时数据
  • image/ 画图分析输出
  • output/ 结果输出保存

大体思路

  1. 数据预处理(主要是缺失值处理,如果连续缺失少于三个则线性填补,否则用3*24个连续值预测下一个值的预训练模型(pre_train.py)填充),采用一天的滑动窗口来增加数据
  2. 主要模型
    • 1) lightgbm为主要模型,每次预测一个值预测48次,ld和bj的5个预测值分别训练5个模型,所有站点一起训练
    • 2) ExtraTreeRegression 每次预测48个值,分5个模型预测5个指标,所有站点一起训练
    • 3) xgboost思路同lightgbm
    • 4)lightgbm 对特征数据进行log处理预测,其他类似
  3. 主要特征
    • 1)用前21天数据预测后两天的值,包括原始值,max,min,median等统计量,同时包含天,周等为单位的统计量
    • 3)天气特征,主要使用网格数据,附近一个站点的数据,这里只用了温度,湿度和气压数据
    • 4)天气预报,通过自己抓取得到,见crawl_data.py文件以及官方给定api数据
    • 5)是否周末,是否工作日,是否工作日第一天,最后一天,是否放假第一天,是否放假最后一天
    • 6)初预测指标以外的特征,比如预测PM25时,加入PM10的特征,发现只加入最后3-4天的数据比较好
  4. 模型结果融合
    • 1)同一个模型用不同的参数来训练
    • 2)同一个模型用不同的数据来训练,通过控制时间范围和数据缺失的多少来获得不同的训练数据
    • 3)对获得结果进行简单mean或者median以及加权求和

具体方案见报告

联系方式