Datawhale AI 夏令营——task01代码解析 红桃九小编 • (2024-07-24 17:31) 用1-N进行标识,即1为数据集最近一天,其中1-10为测试集数据。数据集由字段id(房屋id)、dt(日标识)、type(房屋类型)、target(实际电力消耗)组成。本场以“电力需求预测”为赛题的数据算法挑战赛。
Python 利用pandas处理CSV文件(DataFrame的基础用法) 红桃九小编 • (2024-07-24 08:05) pandas是一个第三方数据分析库,其集成了大量的数据分析工具,可以方便的处理和分析各类数据。_pythonpandas处理csv
Datawhale AI 夏令营——电力需求预测挑战赛 红桃九小编 • (2024-07-23 17:01) 其中id为房屋id,dt为日标识,训练数据dt最小为11,不同id对应序列长度不同;type为房屋类型,通常而言不同类型的房屋整体消耗存在比较大的差异;target为实际电力消耗,也是我们的本次比赛的预测目标。下
#Datawhale Al夏令营 #机器学习#AI 红桃九小编 • (2024-07-23 14:01) 赛题数据由训练集和测试集组成,为了保证比赛的公平性,将每日日期进行脱敏,用1-N进行标识。即1为数据集最近一天,其中1-10为测试集数据。数据集由字段id(房屋id)、dt(日标识)、type(房屋类型)、targ
电力需求预测挑战赛Task2学习笔记 #Datawhale AI夏令营 红桃九小编 • (2024-07-23 10:01) LightGBM是一个实现GBDT算法的框架,具有训练速度快、内存消耗低、准确率高、分布式支持等优点,主要通过Histogram算法、带深度限制的Leaf-wise叶子生长策略和直方图做差加速等技术进行优
使用 useNuxtData 进行高效的数据获取与管理 红桃九小编 • (2024-07-22 15:11) title:使用useNuxtData进行高效的数据获取与管理date:2024/7/22updated:2024/7/22author:cmdragonexcerpt:深入讲解了Nuxt3中useNuxtData组合函数的应用,演示了
【Datawhale AI夏令营】Task02学习笔记 红桃九小编 • (2024-07-22 13:31) 深度学习是机器学习一个分支,通过神经网络模拟人脑的学习方式,可以处理大量数据并且从中自动学习和提取特征,进行预测。深度学习就是将这些神经元模型层层堆叠起来的复杂结构,按一定的层次形成一个庞大的网络,从网络最底层接
【Datawhale AI夏令营】 Task3 学习笔记 红桃九小编 • (2024-07-22 13:31) 由于Task3是在Task2基础上做的改进,实操起来感觉比较简单,难度主要在于对Transformer的理解,以及在基础参数上自己尝试做出优化以抵达更高的上限。
Datawhale AI 夏令营 task2笔记 红桃九小编 • (2024-07-22 10:31) 结构基本上和编码器是一致的,在基于循环神经网络的翻译模型中,解码器只比编码器多了输出层,用于输出每个目标语言位置的单词生成概率,而在基于自注意力机制的翻译模型中,除了输出层,解码器还比编码器多一个编码解码注意力子层,