01
02
03
04
分类变量：平日与周末/假期/在家工作日
## 将周末和节假日设置为1，否则为0
elecwea\['Day'\] = np.zeros
# 周末
elecwea\['Atypical_Day'\]\[（elecwea.index.dawe==5）|（elecwea.index.dawe==6）\] = 1
# 假期，在家工作日
假期 = \['2014-01-01','2014-01-20'\]
workhome = \['2014-01-21','2014-02-13','2014-03-03','2014-04-04'\]
for i in range(len(holiday)):
elecwea\['Day'\]\[elecwea.index.date==np.datetime64(holidays\[i\])\] = 1
for i in range(len(workhome)):
elecwea\['Day'\]\[elecwea.index.date==np.datetime64(workhome\[i\]) \] = 1
elecwea.head(3)
更多的分类变量：一周中的一天，小时
在这种情况下，一天中的每个小时是一个分类变量，而不是连续变量。做分析时，需要对一天中的每一个小时进行 "是 "或 "否 "的对应。
# 为一天中的每个小时创建新的列，如果index.hour是该列对应的小时，则分配1，否则分配0
for i in range(0,24):
elecweat\[i\] = np.zeros(len(elecweat\['USAGE'))
elecweat\[i\]\[elecweat.index.hour==i\] = 1
# 例子 3am
elecweat\[3\]\[:6\]
时间序列：需要附加上以前的用电需求的历史窗口
由于这是一个时间序列，如果我们想预测下一小时的能耗，训练数据中任何给定的X向量/Y目标对都应该提供当前小时的用电量（Y值，或目标）与前一小时（或过去多少小时）的天气数据和用量（X向量）。
# 在每个X向量中加入历史用量
# 设置预测的提前小时数
hours = 1
# 设置历史使用小时数
hourswin = 12
for k in range(hours,hours+hourswin):
elec\_weat\['USAGE-%i'% k\] = np.zero(len(elec\_weat\['USAGE'\])
for i in range(hours+hourswi,len(elecweat\['USAGE'\])）。)
for j in range(hours,hours+hourswin):
elec\_weat\['USAGE-%i'% j\]\[i\] = elec\_weat\['USAGE\]i-j\] 。
elec_weat.head(3)
分成训练期和测试期
由于这是时间序列数据，定义训练期和测试期更有意义，而不是随机的零星数据点。如果它不是一个时间序列，我们可以选择一个随机的样本来分离出一个测试集。
# 定义训练和测试期
train_start = '18-jan-2014'（训练开始）。
train_end = '24-march-2014'.
test_start = '25-march-2014'（测试开始）。
test_end = '31-march-2014'。
# 分成训练集和测试集（仍在Pandas数据帧中）。
xtrain = elec\_and\_weather\[train\_start:train\_end\]。
del xtrain\['US'\]
del xtrain\['time_end'\]
ytrain = elec\_and\_weather\['US'\]\[train\_start:train\_end\] 。
将训练集输出成csv，看得更清楚。
X\_train\_df.to\_csv('training\_set.csv')
scikit-learn包接收的是Numpy数组，而不是Pandas DataFrames，所以我们需要进行转换。
# 用于sklearn的Numpy数组
X\_train = np.array(X\_train_df)
标准化变量
所有的变量都需要进行标准化。该算法不知道每个变量的尺度是什么。换句话说，温度一栏中的73的值看起来会比前一小时的千瓦时使用量中的0.3占优势，因为实际值是如此不同。sklearn的预处理模块中的StandardScaler()将每个变量的平均值去除，并将其标准化为单位方差。当模型在按比例的数据上进行训练时，模型就会决定哪些变量更有影响力，而不是由任意的比例/数量级来预先决定这种影响力。
训练SVR模型
将模型拟合训练数据!
SVR\_model = svm.SVR(kernel='rbf',C=100,gamma=.001).fit(X\_train\_scaled,y\_train)
print 'Testing R^2 =', round(SVR\_model.score(X\_test\_scaled,y\_test),3)
预测和测试
计算下一小时的预测（预测！）我们预留了一个测试数据集，所以我们将使用所有的输入变量（适当的缩放）来预测 "Y "目标值（下一小时的使用率）。
# 使用SVR模型来计算预测的下一小时使用量
SVRpredict(X\_test\_scaled)
# 把它放在Pandas数据框架中，以便于使用
DataFrame(predict_y)
绘制测试期间的实际和预测电力需求的时间序列。
# 绘制预测值和实际值
plt.plot(index,y\_test\_df,color='k')
plt.plot(predictindex,predict_y)
重新取样的结果为每日千瓦时
### 绘制测试期间的每日总千瓦时图
y\_test\_barplot
ax.set_ylabel('每日总用电量（千瓦时）')
# Pandas/Matplotlib的条形图将x轴转换为浮点，所以需要找回数据时间
ax.set_xticklabels(\[dt.strftime('%b %d') for dt in
误差测量
以下是一些精度测量。
len(y\_test\_df)
均方根误差
这实际上是模型的标准误差，其单位与预测变量（或这里的千瓦时）的单位相同。
calcRMSE(predict\_y, y\_test_df)
平均绝对百分比误差
用这种方法，计算每个预测值和实际值之间的绝对百分比误差，并取其平均值；计量单位是百分比。如果不取绝对值，而模型中又没有什么偏差，你最终会得到接近零的结果，这个方法就没有价值了。
errorsMAPE(predict\_y, y\_test_df)
平均偏置误差
平均偏差误差显示了模型的高估或低估情况。初始SVM模型的平均偏差误差为-0.02svm 风速预测代码，这表明该模型没有系统地高估或低估每小时的千瓦时消耗。
calcMBE(predict\_y, y\_test_df)
变异系数
这与RMSE类似，只是它被归一化为平均值。它表明相对于平均值有多大的变化。
这与RMSE类似svm 风速预测代码，只是它被归一化为平均值。它表明相对于平均值有多大的变化。
plot45 = plt.plot(\[0,2\],\[0,2\],'k')
发表评论