太阳能发电量预测

🌞 太阳能发电量预测

问题描述

需要构建一个回归模型来预测太阳能电池板的日发电量（kWh），基于气象条件和安装特性。

每个样本代表一天的发电情况，通过多个数值属性进行特征化，如光照强度、气温、风速等。

目标标签（energy_output）表示该天产生的总能量。

这个问题属于单变量回归类别。

---

🔹 特征（features）

• solar_irradiance – 平均太阳辐射（W/m²）
• temperature – 平均气温（°C）
• humidity – 相对湿度（%）
• wind_speed – 平均风速（m/s）
• cloud_cover – 平均云层覆盖率（%）
• panel_angle – 电池板倾斜角度（°）
• panel_efficiency – 电池板效率（%）

---

📘 输入文件结构

train.csv

包含所有特征列加上energy_output列，后者代表目标值。

示例：

SampleID	solar_irradiance	temperature	humidity	wind_speed	cloud_cover	panel_angle	panel_efficiency	energy_output
1	750.5	25.2	40.0	3.5	10	30	18.5	42.3
2	610.0	22.1	55.0	2.0	50	25	17.0	28.7

test.csv

包含与train.csv相同的列，但不包含energy_output，并包含SampleID。

---

📤 提交

输出文件（submission.csv）必须包含恰好两列：

• SampleID
• energy_output – 模型预测值（浮点数，保留2位小数）

示例：

SampleID	energy_output
1	41.75
2	29.10
3	35.80

---

⚙️ 评估

模型评估将使用均方根误差（RMSE）：

其中N是测试集中的样本数量，y_i是真实值，y^_i是模型预测值。

最终分数将缩放到0到100之间，使得较小的RMSE导致较高的分数。

---

📊 数据源

此问题使用的数据是合成生成的。