Kaggle竞赛经典案例深度剖析：预测水资源可用性

Kaggle学术活动经典案例深度剖析：预测水资源可用性

Acea Smart Water Analytics 您能否预测水资源未来的的可用性？每个数据集代表一种不同类型的水体。由于每个水体彼此不同，相关特征也不同。我们会注意到它的特征与湖泊的特征不同。这些差异是根据每个水体的独特行为和特征预期的。

步骤1：数据集读取首先读取数据，并找到对应的日期列，

from datetime import datetime, date

df['date'] = pd.to_datetime(df['date'], format = '%d/%m/%Y')

其中特征列为Rainfall、Temperature、Volume和Hydrometry，标签列为Depth to Groundwater。

步骤2：数据集分析时间间隔分析日期是否包含连续：通过date列进行diff，如果日期列没有缺失值则最大diff为1day。

df = df.sort_values(by='date')

df['delta'] = df['date'] - df['date'].shift(1)

df[['date', 'delta']].head()

缺失值分析分析数据集是否包含空值，绘制的时间序列显示似乎有一些零值，我们将用nan值替换它们，然后再填充它们。

缺失值填充使用NaN填充使用均值填充使用最近的样本填充使用插值填充

平滑数据/重采样重采样可以提供更多的数据信息。重采样有两种类型:

上采样：采样频率增加(例如，数天到数小时)。

下采样：采样频率降低(例如，从天到周)。平稳性一些时间序列模型，如ARIMA，假设基础数据是平稳的。

平稳性描述了时间序列具有：常数均值和均值不依赖于时间常数方差和方差与时间无关常数协方差和协方差与时间无关

平稳性检查可以通过三种不同的方法来完成:

视觉上：绘制时间序列并检查趋势或季节性

基本统计：拆分时间序列，比较每个分区的均值和方差

统计检验：扩充Dickey Fuller检验特征工程日期信息周期编码新的时间特性是周期性的，特征月周期为每年1至12个月。虽然每个月之间的差值在一年内增加1，但在两年内，月特性从12(12月)跳到1(1月)。

时序分解时间序列分解涉及到将一个序列看作水平、趋势、季节性和噪声成分的组合。

等级：级数中的平均值。趋势：数列中增加或减少的值。季节性：在系列中重复的短期循环。噪声：数列中的随机变化。

Lag特征EDA分析相关性分析

自相关分析自相关函数(ACF): P=滞后周期，P帮助调整用于预测序列的拟合线，P对应于MA参数

部分自相关函数(PACF): D是时间序列达到平稳所需的差分变换次数。D对应AR参数。

构建模型时间序列可以是单变量的也可以是多变量的：单变量时间序列只有一个时间因变量。多变量时间序列具有多个时间因变量。数据划分方法from sklearn.model_selection import TimeSeriesSplit

单变量时序模型 Prophet

ARIMA

LSTM

多变量时序模型Prophet

完整代码链接：https://www.kaggle.com/andreshg/timeseries-analysis-a-complete-guide/notebook

学习数据学术活动，组队参赛，交流分享

欢迎扫码联系我们，还能【免费领取】赛事资料大礼包！