0

新来的。我目前正在研究我的硕士论文,其中包括开发一组百叶窗/百叶窗,这些百叶窗/百叶窗可以根据用户的习惯和喜好来预测用户的行为并自动设置位置。我正在使用在线学习来解决我的问题,特别是图书馆奶油(python)。问题是我无法获得足够好的结果,MAE 大约为 24,这太过分了。你们对如何解决这样的问题有任何经验/想法吗?我用这样的模型得到这些数字:

model = compose.Discard('Year', 'Timestamp')
model += feature_extraction.Agg(on='Radiation', by='Month', how=stats.Mean())
model |= linear_model.PARegressor()
model = time_series.Detrender(regressor=model, window_size=105120) #Around a year

并具有以下特点:

  • 时间戳
  • 四分之一
  • 一年中的一周
  • 一年中的一天
  • 月日
  • 星期几
  • 小时
  • 分钟
  • 假期
  • 温度
  • 湿度
  • 辐射

定位标签

4

1 回答 1

0

我是奶油的创造者。你的任务看起来很有趣!

我建议您在 GitHub 上打开一个专门的问题。特别是,我们需要访问数据集才能重现您所描述的性能。

于 2020-11-03T12:30:03.577 回答