第26名解决方案

感谢Kaggle和所有参与举办如此精彩比赛的人。
提交笔记本在这里。
我参考了vitalykudelya出色的笔记本。（非常感谢！！）

概述

使用不同目标函数（objective = "regression_l1"）的LightGBM模型加权集成。
模型根据is_consumption分为发电（production）和用电（consumption）两类。

验证策略

我使用了单一折验证，验证周期为2023年2月至2023年5月。

目标

• 发电（production）集成权重

  • target - target_48hr (0.15)
  • target - target_mean_5days (0.1)
  • target - target_mean_7days (0.25)
  • target / installed_capacity (0.5)

• 用电（consumption）集成权重

  • 原始target (0.3)
  • target - target_48hr (0.1)
  • target - target_168hr (0.25)
  • target - target_mean_5days (0.1)
  • target - target_mean_7days (0.25)

target_mean_5days = mean(target_48hr ~ target_120hr)
target_mean_7days = mean(target_48hr ~ target_168hr)

特征

基本上，我的特征来自这个笔记本。

• 我排除了来自历史天气的特征。
• 我添加了一些其他特征，但效果并不显著。

重新训练

仅在2024年1月底进行了一次重新训练。