Spørsmål studass

[olejacobmellgren]

• Hvilke modeller fungerte best når du hadde emnet?

  • Våre beste er xgboost og h2o. Ønsker å få opp Tensorflow. Hva er dine erfaringer?
  • Svar: Kombinasjon av to modeller ga best (cat og xg)

• Hvordan gå fram for å feature generere? Hvordan vite hvilke kolonner man skal bruke for å lage nye, hvilke man skal kombinere osv.

  • Svar: Se på feature importance og lage nye features ut av de
  • Har foreløpig laget nye kolonner som sier noe om tiden som sykler

• Hvilke kolonner å droppe? Kan feature importance brukes?

  • Svar: ja

• Hva kan vi gjøre for å ta hensyn til feil mellom observert og estimert vær?

  • Stor del av treningsdata er observert, test data er estimert
  • Svar: Ha med binær feature på om det er estimert eller observert. Kunne sett på overestimasjon og underestimasjon.

• Hvordan kan vi best aggregere kolonner?

  • x data har fire ganger så mange kolonner som y. Foreløpig har vi brukt gjennomsnitt av fire og fire rader for x
  • Svar: Ta snitt eller legg sammen. Prøve ta last time_forecast fordi kanskje vi bommer prediksjon med en time

• Har det store gapet i data før estimert treningsdata noe å si?

  • B og C har et 6 måneders hull i data mellom observert og estimert. Her har vi verken X data eller Y data.

• Ceiling_height settes til høy verdi der NaN, eventuelt skjønner modellen at det ikke er skyer der vi har tomme celler i denne kolonnen

Svar fra studass:

EDA:

from dataprep import eda eda.create_report()

Evaluering: Bruke evalueringsmetoden deres

Quick fixes: Sjekke hvor mye modellen vektla ulike features Bruke snittet av ulike modeller Fjernet 40 dårligste features og fikk bedre Sikte oss inn på måneden mai

Kombinere lufttrykk: Hvis dere finner ut at det er viktig kan det hjelpe

Features: Features som sikter til y-verdi kan overfitte Snitt temperatur årstid Snitt temperatur tid Koble opp features mot gamle prediksjoner Prøve å lage en modell med en kolonne om hvilke lokasjon

Andre ting: Ikke prediker på predikasjon Slette data som er dårlig Kan prøve å dobbeltpredikere Se på feature importance og se hvis noen verdier vises som uviktige men vi tror de er viktige Trene en modell Ha med random_state på modeller. Labelencoding

Vaske data Kutte ned på features (prøve med kun 20 f.eks)

Sette ceiling_height til kunstig høy.

[Hansstem]

• Hva er beste måten å kjøre to modeller sammen på?

[olejacobmellgren]

Andre tanker om features: