第五届工业互联网大数据：配件需求29th方案与代码

背景

大数据可能过时了，所以这个延续5年的比赛也换了名字，但我还是习惯叫工业大数据。之前文章介绍过，我做了风力预测赛道但排不进排行榜。这里介绍一下队友在配件预测赛道的方案，方案很简单，不到50行代码，取得决赛29th的成绩。其实，我也做了一点，入手了一个LGB模型，但是效果一直没有超过全0，尴尬的放弃了。
任务是预测未来三个月的配件需求，评价指标类似MAPE，所以准确预测小目标才是关键。
代码地址：https://github.com/hongyingyue/Data-science-demos
方案

##第1个月

第1个月使用VAR模型。由于零件中有很多的销量非常稀疏，增加一个后处理，将48个月均销量小于1的零件销量直接调整为0。

import pandas as pd
import numpy as npfrom statsmodels.tsa.vector_ar.var_model import VAR
from sklearn.linear_model import LinearRegression
from statsmodels.tsa.deterministic import DeterministicProcess# VAR
v_model = VAR(ts_df)
v_model_fit = v_model.fit(3)
lag_order = v_model_fit.k_ar# forecast for the 1st month
y_fore1 = v_model_fit.forecast(ts_df.values[-lag_order:], 1)
y_fore1[y_fore1 < 0] = 0

第2/3个月

第2-3月使用线性回归模型，这里的特征是超出我预料的。只使用了月份还有月份的平方作为特征，直接用线性模型预测结果。

# LR model
y = ts_df.copy()# Create trend features
dp = DeterministicProcess(index=y.index,  # dates from the training dataconstant=True,  # the interceptorder=2,        # quadratic trenddrop=True,      # drop terms to avoid collinearity
)
X = dp.in_sample()  # features for the training data
X_fore = dp.out_of_sample(steps=3)X['mon']=X.index.month
X_fore.set_index([pd.to_datetime(['2020-7-1','2020-8-1','2020-9-1'])],inplace=True)
X_fore['mon']=X_fore.index.month# Fit trend model
model = LinearRegression(fit_intercept=False)
model.fit(X, y)y_fore_l = pd.DataFrame(model.predict(X_fore),index=X_fore.index,columns=y.columns,
)
y_fore_l[y_fore_l<0] = 0

以上就是吊打我方案的全部代码了，非常简单高效。数据量比较小，评价指标不是很合理，就要根据数据和指标多做些针对性的调整了，希望下一届能取的好成绩。
我是YueTan，谢谢关注。

第五届工业互联网大数据：配件需求29th方案与代码相关推荐

清华大学软件学院院长王建民：以数字基建为契机，加强工业互联网大数据软件建设...
来源:中国电子报作者:清华大学软件学院院长王建民本文约3250字,建议阅读5分钟工业互联网大数据软件基础设施建设对工业领域激活大数据资产.导入智能化技术具有重大基础支撑作用. 编者按:3月4日, ...
“新基建”提速，工业互联网大数据发展迎新机遇
云栖号资讯:[点击查看更多行业资讯] 在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来! 近期,中央政治局密集召开会议研究新冠肺炎疫情防控工作,部署统筹做好疫情防控和经济社会发展工作, 5 ...
物联网、车联网、工业互联网大数据平台，为什么推荐使用TDengine？
物联网.车联网.工业互联网大数据平台,为什么推荐使用TDengine? 大数据有很多处理工具,最流行的当属Hadoop系统.Hadoop生态包括HDFS, HBase, Hive, YARN, Sto ...
物联网、工业互联网大数据的特点
物联网.工业互联网大数据的特点随着数据通讯成本的急剧下降,以及各种传感技术和智能设备的出现,从手环.共享出行.智能电表.环境监测设备到电梯.数控机床.挖掘机.工业生产线等都在源源不断的产生海量的实时 ...
KubeEdge在国家工业互联网大数据中心的架构设计与应用
摘要:在18年的时候,工信部开展了一个叫国家创新发展工程,这个工程中提出了要建立一个国家工业大数据中心,中国移动在其中承担了边缘协同与数据采集相关功能的研发.本文将从该项目背景下面临的问题与挑战.技术 ...
深掘工业互联网大数据五大维度
我国尚未形成统一的工业互联网大数据管理.服务和安全体系,工业互联网大数据资源存在孤立.分散.封闭等问题,数据价值未能得到有效利用,数据主权和数据安全面临重大威胁.当前,我国正在推进以国家工业互联网大数 ...
工业互联网大数据中心使用 KubeEdge 实践
项目背景 2018年,工信部启动了国家创新发展工程,建设工业大数据中心.中国移动在该项目中承担了边缘协同和数据采集相关功能的研发. 要求和挑战要求从工厂收集生产和运行数据并将数据发送到云端云中的 ...
试点来了！应急部发布《“工业互联网+危化安全生产”试点建设方案》
近日,应急管理部办公厅关于印发<"工业互联网+危化安全生产"试点建设方案>的通知. 方案建设目标:坚持系统谋划.试点先行,打造一批应用场景.工业APP和工业机理模型,力 ...
互联网大数据在工业七大应用解析
在工业企业中,生产线处于高速运行状态,工业设备产生.采集和处理的数据量远远大于企业计算机和人工生成的数据,其中大部分是数据类型中的非结构化数据,生产线的高速运行也需要更高的实时数据,因此,工业大数据所 ...

第五届工业互联网大数据：配件需求29th方案与代码

背景

第2/3个月

第五届工业互联网大数据：配件需求29th方案与代码相关推荐

最新文章

热门文章