① 题目与数据
② 模型选择和调参
③ 训练中
④ 训练结果
⑤ 历史版本
⑥ 提交
i题目
题目背景 燃气轮机的压气机是核心部件,它的效率直接决定整台机组省不省油。现在用历史运行数据训练一个模型,让它根据最近一段时间的运行参数,预测下一时刻的压气机效率。 题目要求 1. 基于提供的压气机效率数据集,构建机器学习或深度学习模型,实现对压气机效率的高精度预测; 2. 根据训练过程中的指标调整模型超参数(如学习率、迭代次数、时间步长度、网络层数、每层神经元个数、batch size 等),以获得更优结果; 3. 评分采用独立数据集,考生需确保模型的泛化性能。 注:系统按照考生要求的时间步长度构造训练数据集,进行单步时间序列预测。 评分标准 预测可靠性 权重 0.8 推理效率 权重 0.2
i训练数据集
模型选择和调参 !
选择要使用的模型:
通用参数 🧹
参考值范围:0.00001-0.1
参考值范围:10-500
参考值范围:0.5-0.95
参考值范围:5-100
LSTM特有参数 🧹
| 隐藏层层数 | 隐藏层神经元个数 |
|---|
层数参考值范围: 1-5
参考值范围:20-500
参考值范围:3-10
⏳ 训练中 【训练数据集】
Loss曲线训练Loss 验证Loss
RMSE曲线验证Rmse
Smape曲线验证Smape
Mase曲线验证Mase
历史版本
| 版本 | 模型 | 参数 | 轮/树 | 验证RMSE | 独立集RMSE | 用时 | 引擎 | 判读 |
|---|
✅ 已提交
练习台用公开样题数据在本机真实训练(PyTorch / XGBoost),界面与参数名仿照赛场平台;评分为练习台模拟分,与正式比赛无关。