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)
https://biendata.com/competition/kdd_2018
网页链接:https://github.com/piupiuup/kdd2018/blob/master/.gitignore/code
KDD CUP 2018 Top4 链接(转发,侵权请联系删除):https://github.com/ryancheunggit/kddcup2018-of-fresh-air
KDD CUP 初赛 Top1 链接(转发,侵权请联系删除):https://github.com/12190143/Black-Swan
KDD CUP 2017 Task2 Top2 链接: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
- 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
- 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
- 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
- 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