一、作業要求
給定訓練集train.csv，要求根據前9個小時的空氣監測情況預測第10個小時的PM2.5含量。
訓練集介紹：
- CSV文件，包含臺灣豐原地區240天的氣象觀測資料(取每個月前20天的數據做訓練集，12月X20天=240天，每月後10天數據用於測試，對學生不可見);
- 每天的監測時間點爲0時，1時…到23時，共24個時間節點;
- 每天的檢測指標包括CO、NO、PM2.5、PM10等氣體濃度，是否降雨、颳風等氣象信息，共計18項；
二、思路分析及代碼實現
思路分析：
根據作業要求可知，需要用到連續9個時間點的氣象觀測數據，來預測第10個時間點的PM2.5含量。針對每一天來說，其包含的信息維度爲(18,24)(18項指標，24個時間節點)。可以將0到8時的數據截取出來，形成一個維度爲(18,9)的數據幀，作爲訓練數據，將9時的PM2.5含量取出來，作爲該訓練數據對應的label；同理可取1到9時的數據作爲訓練用的數據幀，10時的PM2.5含量作爲label…以此分割，可將每天的信息分割爲15個shape爲(18,9)的數據幀和與之對應的15個label。 訓練集中共包含240天的數據，因此共可獲得240X15=3600個數據幀和與之對應的3600個label。
代碼實現：
具體原理可參考：傳送門
1. 數據預處理
讀入文件，查看文件細目。
保留PM2.5行，去除其他行。
製作traindata和對應的label，並保留爲python文件，方便調用。
2. 訓練
導入保存的數據。
開始利用梯度下降法進行訓練。
看看loss下降曲線，保留模型文件。
3. 預測
加載模型並進行預測。由於該測試集無label信息，故無法進行評估。
三、模型改進的方向
- 在從csv文件中提取數據幀和label時，本文以天爲單位，每天分割出15個數據幀和15個label。事實上，時間是連續的，可以將每月的20天首尾連接，再從其中分割數據幀和label，可使數據幀樣本數量大大提升，可能會使模型效果更優。
- 在構建模型時，應充分考慮PM2.5與其他大氣成分之間的關係，構建更合理的模型。
- 分割訓練集和驗證集時，應該按照比例隨機抽取數據幀作爲訓練集和驗證集，而不是像本文那樣簡單地把前3200個數據樣本作爲訓練集，後400個作爲驗證集。
數據集和代碼見：代碼地址
