用于预测发电量的聚类、分类和回归管道

Posted 2023-03-13

【中文标题】用于预测发电量的聚类、分类和回归管道

【英文标题】：Clustering, classification and regression pipeline for forecasting the power generation

【发布时间】：2018-06-21 03:19:57

【问题描述】：

我正在尝试使用机器学习来预测光伏电池的发电量。我使用了随机森林和 SVM RBF 回归模型，结果非常准确。然而，据观察，预测模型在晴天时表现最好，而在阴雨天时效果不佳。

我决定将这个问题分解为子问题，并构建了一个聚类、分类和回归管道。首先，我进行 k-means 聚类以标记日期，然后，使用聚类标签作为目标变量训练分类器。然后我为每个集群应用不同的回归模型。

我对机器学习领域比较陌生，想知道这种方法是否有意义？另外，我是在引入冗余吗？如果有人能告诉我这种方法的优缺点，那就太好了。

【问题讨论】：

我投票决定将此问题作为离题结束，因为它已在 CV 上交叉发布（它略微更有意义）：stats.stackexchange.com/q/322582/1352跨度>

【参考方案1】：

存在分段回归。

是的，有时这很有意义。不过，您可能希望您的预测平稳且连续。