工业蒸汽量预测-天池训练赛

最近在学习使用sklearn和TensorFlow，利用模块或框架实战练习机器学习项目。由于本人工作中的建模项目大多为回归类，因此从回归类的项目着手，实操相应的回归算法。

常见的机器学习回归算法（sklearn）

• 线性回归（LinearRegression）
• 决策树回归（DecisionTreeRegressor）
• SVM（SVR）
• KNN（KNeighborsRegressor）
• 随机森林（RandomForestRegressor）
• Adaboost（AdaBoostRegressor）
• GBRT（GradientBoostingRegressor）
• Bagging（BaggingRegressor）
• ExtrTree极端决策树回归（ExtraTreeRegressor）

项目概述

火力发电的原理是利用燃料燃烧后产生的蒸汽推动发电机旋转，从而产生电能。因此蒸汽量的多少，直接决定了电能多少，而锅炉燃烧的各个条件（锅炉的可调参数、锅炉的工况等）影响了蒸汽量的产生。

项目组织方提供了发电生产过程中的38个工况数据，以及对应的蒸汽量。通过模型训练，利用测试集的工况数据，预测蒸汽量。

预测结果以均方根误差（mean_square_error）作为评判标准。

竞赛原址：https://tianchi.aliyun.com/competition/entrance/231693/information