[人工智能]集成学习案例

集成学习案例——蒸汽量预测

数据处理

1.删除训练集数据分布和测试集数据分布不均的特征

2.查看特征相关性，将相关性小的特征删除

3.数据归一化

特征工程

1.Box-Cox变换

box-cox变换的目标有两个：一个是变换后，可以一定程度上减小不可观测的误差和预测变量的相关性。主要操作是对因变量转换，使得变换后的因变量于回归自变量具有线性相依关系，误差也服从正态分布，误差各分量是等方差且相互独立。第二个是用这个变换来使得因变量获得一些性质，比如在时间序列分析中的平稳性，或者使得因变量分布为正态分布。

2.对数变换target目标值

提升特征数据

模型构建

损失函数：均方误差MSE

删除离群值

训练模型

交叉验证

网格搜索最佳参数

预测模型结果

输出到“predict.txt”