기계 학습으로 빌딩의 전력 수요 예측【RandomForest】
4230 단어 파이썬scikit-learn기계 학습
그래서 이번에는 기계 학습(RandomForest)을 이용하여 전력량을 예측할 수 없는지를 검증했다.
개요
조건
설명 변수
LagDF = pd.DataFrame(index=ForecastDF.index)
#1次遅れデータ
LagDF['Lag'] = ForecastDF.shift(48)
LagDF['Lag2'] = ForecastDF.shift(49)
LagDF['Lag3'] = ForecastDF.shift(50)
#曜日データ生成
DateDF = pd.DataFrame()
DateDF['Weekday'] = ForecastDF.index.weekday
DateDF['Time'] = ForecastDF.index
DateDF.index = ForecastDF.index
trainx = pd.concat([LagDF,DateDF['Weekday']],axis=1)
추가:2017/11/06
바보 같은 일을했습니다.
설명 변수에 요일 데이터와 시간 데이터도 갖게 하려고 했지만, 기본적으로 더미 데이터로서 다른 데이터로 하지 않으면 의미 없네요. . . 나중에 더미 데이터를 만든 후 확인합니다.
수령 데이터를 3기간 각각으로부터 1일 선택하고, 적당한 학습기간으로 검증을 행하였다.
기간명
학습 기간
예측 기간
여름
1Week
2일
동기
1Week
2일
결과
검증 결과로서는 다음과 같다. 비교적 양호한 결과가 되었지만, 돌발적으로 발생하는 외란에 대응할 수 없었다.
기간
RMSE[kWh]
여름
15.7
동기
28.3
여름
동기
요약
Reference
이 문제에 관하여(기계 학습으로 빌딩의 전력 수요 예측【RandomForest】), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/snuow/items/e58e363e7d2f6c57207b텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)