时间序列预测(2) — 时间序列预测数据集

news2024/11/25 13:31:46

数据集1：GEFCom2014负荷数据

数据集2：爱奇艺用户留存预测挑战赛数据集

数据集1：GEFCom2014负荷数据

数据集下载：

百度网盘：链接：https://pan.baidu.com/s/1PgCWHx8vYUfGB9UGtCmaVA?pwd=ktn0 提取码：ktn0
官方下载：https://ars.els-cdn.com/content/image/1-s2.0-S0169207016000133-mmc1.zip

数据集简介：

GEFCom2014 “负荷预测数据”为竞赛的公共数据集，GEFCom2014 的负荷预测轨迹为概率负荷预测。数据集的可视化如下：

# 导入相应的库文件
import os
import shutil
import matplotlib.pyplot as plt
from common.utils import load_data, extract_data, download_file
%matplotlib inline

#加载数据集
ts_data_load = pd.read_excel('./data/energy.xlsx')
#可视化数据集
ts_data_load.plot(y='load',subplots=True, figsize=(15, 8), fontsize=14)
plt.ylabel('load', fontsize=16)
ts_data_load.plot(y='T', subplots=True, color="#01a2d9", figsize=(15, 8), fontsize=14)
plt.ylabel('Temperature', fontsize=16)
plt.xlabel('timestamp', fontsize=16)
plt.show()

数据集2：爱奇艺用户留存预测挑战赛数据集

数据集下载：

百度网盘：链接：https://pan.baidu.com/s/1UQWmIN7P6vcBmYxfZxu_1g?pwd=5ywi 提取码：5ywi
官方下载：http://challenge.ai.iqiyi.com/detail?raceId=61600f6cef1b65639cd5eaa6

赛题描述：

爱奇艺是中国和世界领先的高品质视频娱乐流媒体平台，每个月有超过5亿的用户在爱奇艺上享受娱乐服务。爱奇艺秉承“悦享品质”的品牌口号，打造涵盖影剧、综艺、动漫在内的专业正版视频内容库，和“随刻”等海量的用户原创内容，为用户提供丰富的专业视频体验。

爱奇艺手机端APP，通过深度学习等最新的AI技术，提升用户个性化的产品体验，更好地让用户享受定制化的娱乐服务。我们用“N日留存分”这一关键指标来衡量用户的满意程度。例如，如果一个用户10月1日的“7日留存分”等于3，代表这个用户接下来的7天里（10月2日~8日），有3天会访问爱奇艺APP。预测用户的留存分是个充满挑战的难题：不同用户本身的偏好、活跃度差异很大，另外用户可支配的娱乐时间、热门内容的流行趋势等其他因素，也有很强的周期性特征。

本次大赛基于爱奇艺APP脱敏和采样后的数据信息，预测用户的7日留存分。参赛队伍需要设计相应的算法进行数据分析和预测。

数据描述：

本次比赛提供了丰富的数据集，包含视频数据、用户画像数据、用户启动日志、用户观影和互动行为日志等。针对测试集用户，需要预测每一位用户某一日的“7日留存分”。7日留存分取值范围从0到7，预测结果保留小数点后2位。

User portrait data
Field name	Description
user_id
device_type	iOS, Android
device_rom	rom of the device
device_ram	ram of the device
sex
age
education
occupation_status
territory_code

App launch logs
Field name	Description
user_id
date	Desensitization, started from 0
launch_type	spontaneous or launched by other apps & deep-links

Video related data
Field name	Description
item_id	id of the video
father_id	album id, if the video is an episode of an album collection
cast	a list of actors/actresses
duration	video length
tag_list	a list of tags

User playback data
Field name	Description
user_id
item_id
playtime	video playback time
date	timestamp of the behavior

User interaction data
Field name	Description
user_id
item_id
interact_type	interaction types such as posting comments, etc.
date	timestamp of the behavior