3月13日，慌张。我作为一个大四本科生居然要指导大二本科生的SRTP项目，硬着头皮上了。凯瑟琳不能说不行，我是最行的凯瑟琳。
导师一周开了2次SRTP会议+1次组会，每次2小时，晕呼呼。3月24日开了第3次SRTP会议。
毕业设计的数据我不知道从何开始处理。我是这么分析的，有7个处于不同位置的风电场的风电功率待预测。
在train.csv里给出的是真实数据，2009/7/1 的 00：00 - 2012/6/28 的 12：00。（每一小时都存在）
其中2009/7/1 - 2010/12/31也就是待训练的数据（待拟合、待建立模型）。//13177
剩下的2011/1/1 - 2012/6/28是测试数据，但缺少好多段数据。//18758-13178+1
万级别的数据——人们运用机器学习传统方法的时候，一般将训练集和测试集划为7：3 ≈ 2.33，所以大赛组委会划定的2.36的比例我觉得很OK。
那么特征呢，这个数据除了时间信息外，给了每个风电场每隔12小时发布未来48小时的天气预报！！！也是预报！！！包括风的纬向和经向分量、风速、风向。
所以我模型的输入是时间以及天气预报，输出是风电功率。
比如我要得出风电场1的20090701 01时 的风电功率，我只能输入20090701 00 时对20090701 01时的天气预报信息
如果我要得出20090701 13的风电功率，我可以输入 20090701 00时和200901 12时对20090701 13的天气预报信息
？我有没有必要输入00时的天气预报呢，大赛的题目是提前48小时预测，但我的毕设可以不用局限于这个条件，因为按常理，时间越靠近，天气预报越准。
以20090701 13风电功率为例，提前1小时的天气预测为(2.77 -0.65 2.85 103.17)，提前13小时的预测为(3.82 -0.59 3.86 98.85),暂时考虑取前者。
但大赛第一名对天气信息进行了合并处理，这种处理叫特征工程——即降维。
https://blog.csdn.net/boon_228/article/details/51749646 机器学习之（四）特征工程以及特征选择的工程方法：
具体的机器学习过程是这样的一个过程：
1.（Task before here）
2.选择数据(Select Data): 整合数据，将数据规范化成一个数据集，收集起来.
3.数据预处理（Preprocess Data）: 数据格式化，数据清理，采样等。
4.数据转换（Transform Data）: 这个阶段做特征工程。
5.数据建模（Model Data）: 建立模型，评估模型并逐步优化。
(Tasks after here…)
https://machinelearningmastery.com/discover-feature-engineering-how-to-engineer-features-and-how-to-get-good-at-it/ 特征选择
4月4号晚上在奶奶家过了清明节，4月5号爸爸载我、妈妈、海云阿姨、悦晗妹妹一起去石峰山山庄和里澳公园玩了一整天，太开心了。
4月7日1：48，终于明白了不是toArray有1000个数组的限制，而是在浏览器中有1000个数的限制，晕厥，在node.js里运行就没有什么问题。其他的明天再说吧，我妈要是知道我搞这么晚非打死我不可。
回到顶部