# 2018_diantou_PhotovoltaicPowerStation
[电投_光伏电站人工智能运维大数据处理分析：比赛链接](https://www.datafountain.cn/competitions/303/details)
## 依赖库
* `numpy`
* `pandas`
* `sklearn`
* `lightgbm`
* `xgboost`
## 项目结构
* `data` : 数据存放地址
* `public.test.csv` ：测试数据
* `public.train.csv` : 训练数据
* `submit_example.csv` : 提交样本
* `history_code_please_ignore` : 比赛的时候的代码，请忽略这个文件
* `pictures` : readme的source picture
* `result` : 历史提交结果的submit文件
* `code.ipynb` : 代码文件
团队成员：
[@jlinbb](https://github.com/jlinbb)
[@wanlida](https://github.com/wanlida)
[@ouc16020021031](https://github.com/ouc16020021031)
[@Troysps](https://github.com/Troysps)
# 最好的版本
| location | score | rank | detail |
| ----------------------------------------------- | --------------- | --- | --------------------- |
| McDonald/McDonald_v4.ipynb | 0.84609425068 | 30 |一个完整的版本1.数据预处理 2.第一层xgboost gbdt rf lgbm knn 五个模型融合 3.第二层模型融合选择SVR|
| code_version_save/wan_8月4号22点11分.ipynb | 0.84751743 | 22 | 增加一个强特 历史平均功率，knn模型不太好，选择xgboost gbdt rf lgbm四个模型，测试过单独增加列 用ID%205 没有效果，分数反而降低至0.846
| code_version_save/wan_8月16号 0.84770610000.ipynb | 0.84770610000 | * | 增加四列 历史平均功率 历史功率A 历史功率B 历史功率C
# 比赛的详细细节 detail_1.png
## a榜排名
## b榜排名
## 备注
保密工作没有做好，很多队伍在github上检索到了我们的代码，已知的某队伍，部分使用我们的代码最终B榜11名
需要在github上使用英文书写相关信息
对于特征处理方面没有做好，暴力特征+特征选择 初赛A榜预计能到 前10
A榜过拟合比较严重
## 向大佬咨询的强特
他给我发的catboost的训练记录表
XX选用的模型是 xgboost gbdt catboost lgbm，我也试了试catboost 感觉使用很不熟练，a榜分数也不高，主要是catboost ；类别型特征需要特殊处理
2018光伏发电预测比赛，结果a榜22_801 ，b榜44_801.zip
版权申诉
3 浏览量
2024-01-01
16:07:16
上传
评论
收藏 20.23MB ZIP 举报
2018光伏发电预测比赛，结果a榜22_801 ，b榜44_801.zip （52个子文件） 
empty_file.txt 0B
2018_diantou_PhotovoltaicPowerStation-master pictures 
end_rank.png 5KB detail_2.png 83KB rank.png 4KB cat.png 10KB catboost.png 4KB detail_1.png 47KB xgboost.png 6KB competition.png 111KB history_code_please_ignore 
clean_data.py 1KB catboost调参.ipynb 5.68MB McDonald submit_rf_withpoly_withselectbygbdt_dropdup.csv 192KB submit_rf_poly_select_dropdup_replacemis_handleoutlier.csv.csv 192KB McDonald_v4.ipynb 36KB submit_stack_15_poly_select_dropdup_outlier.csv 195KB submit_stack_svm_15_poly_select_dropdup_outlier_clean.csv 195KB .gitignore 21B McDonald_v3.ipynb 21KB McDonald_v2.ipynb 26KB McDonald_v1.ipynb 96KB wan_8月9号21点32分.ipynb 57KB McDonald_v4.ipynb 38KB best_code.ipynb 3.1MB version_1.0_plt.ipynb 383KB wan_8月4号22点11分.ipynb 500KB RF调参.ipynb 22KB wan_8月16号 0.84770610000.ipynb 45KB RF调参LGBM调参.ipynb 72KB create_Column.ipynb 72KB McDonald_v3.ipynb 21KB 版本1.0.py 2KB version_1.0.ipynb 11KB wanlida_version_1.2.ipynb 36KB .ipynb_checkpoints McDonald_v4-checkpoint.ipynb 36KB best_code-checkpoint.ipynb 3.1MB version_1.2.ipynb 47KB McDonald_v2.ipynb 26KB McDonald_v1.ipynb 96KB model_save rf_regressor.pkl 54.52MB data public.test.csv 887KB public.train.csv 1.03MB submit_example.csv 61KB code.ipynb 35KB README.md 3KB result 0.8485.csv 195KB 0.84669.csv 195KB submit_version2.0.csv 192KB submit.csv 136KB submit_origin_version.csv 136KB submit_version4.0.csv 195KB submit_version3.0.csv 195KB submit_version1.0.csv 192KB资源评论
