比赛链接 https://www.datafountain.cn/competitions/500
成绩A榜0.9933，B榜成绩0.9867
代码分为4个模块：
-
训练集清洗：
- 车号19,94碰撞标签为1，但训练集无此时间数据，标签修正为0；
- 车号5,36车速数据异常，判断标签数据对训练无用，标签修正为0；
- 车号77碰撞时间标签判断滞后，修正为13:37:12
-
规则预测模型：
- 对训练集和测试集数据进行清洗(见函数read_csv, col_feature1)；
- 根据构造的特征电池包主负继电器状态cate，if_on,if_off,车速进行过采样；
- 对标签数据进行重采样(上下5s时刻同样视为碰撞数据)
- 根据瞬时加速度v_diff1，局部加速度v_diff2,瞬时速度差v_diff3进行规则预测，获得碰撞标签和碰撞时间，其中训练集获得碰撞标签1的车辆30台，测试集碰撞标签1的车辆45台；
-
LGBM预测模型：
- 剔除规则预测模型预测过的车号，对训练集和测试集数据进行特征工程(见函数col_feature2)；
- 根据构造的特征电池包主负继电器状态cate，if_on,if_off,车速进行过采样；
- 对标签数据进行重采样(上下5s时刻同样视为碰撞数据)
- 训练数据分层抽样划分训练集和测试集，利用LGBM模型进行预测，获得碰撞标签和碰撞时间；
-
KNN时间预测模型：
- 由于2,3预测规则中，对标签时间进行了重采样，这一步进行精准时间预测，将训练集和测试集预测的时刻均修正到最近一个if_off=-5的时刻；
- 由于训练集时间分布均分布在if_off数据为-5,-4的时刻，这里将训练集中车辆碰撞时间在if_off=-5的时刻标注为1，其余车辆标注为0；
- 对训练集和测试集数据进行特征工程(见函数col_feature3)；
- 对训练数据构建五折交叉验证的KNN模型，构建完成后预测测试集标注；
- 根据测试集预测的标注对测试集碰撞时间进行修正，得到最终结果。