Machine Learning · متوسط

پیش‌بینی دمای روزهای آینده

از تاریخچهٔ آب‌وهوا ویژگی بساز و دمای بازهٔ آینده را با یک مدل رگرسیون پیش‌بینی کن.

۱۰۰ دقیقه · ۱۷۰ XP · Python · Time Series · Regression · Temporal Split

هدف و راهنمای انجام

تفکیک زمانی داده، ساخت ویژگی و پرهیز از استفاده از آینده در آموزش

ورودی

request.json شامل train، test، features=[day_index,condition] و target=temperature است.

خروجی

result.json با دمای پیش‌بینی‌شده برای بازهٔ آینده.

  1. داده را بر اساس زمان جدا نگه دار.
  2. condition را به ویژگی عددی تبدیل کن.
  3. مدل را روی بازهٔ گذشته آموزش بده.
  4. MAE بازهٔ آینده و predictions را ذخیره کن.

برای سری زمانی، shuffle کردن کل تاریخچه باعث نشت اطلاعات می‌شود.

مثال ورودی و خروجی

{
    "input": {
        "train": "۵۰۰ روز گذشته",
        "test": "۶۰ روز آینده"
    },
    "output": "predictions"
}

معیارهای موفقیت

  • پیش‌بینی برای کل بازه تولید می‌شود
  • MAE کمتر از ۵ درجه است
  • هیچ روز آینده وارد train نشده است

کتابخانه‌ها: pandas, numpy

منبع و وضعیت دیتاست‌ها

weather.csv · CC BY 4.0 · Fanaee-T (2013), Bike Sharing, UCI, doi:10.24432/C5W894. Daily weather columns only; normalized temperature converted using dataset scale.

https://archive.ics.uci.edu/static/public/275/bike+sharing+dataset.zip

نسخه محلی همراه پروژه؛ ۷۳۱ ردیف. هنگام اجرا دانلود خارجی لازم نیست.

برای نوشتن و اجرای کد وارد شوید