2026年泰迪杯数据挖掘挑战赛赛题B解析与实战解决方案

1次阅读

没有评论

共计 1565 个字符，预计需要花费 4 分钟才能阅读完成。

2026 年泰迪杯数据挖掘挑战赛赛题 B 聚焦于复杂时间序列数据的预测问题。数据集包含多源异构的时序数据，主要挑战包括：

数据采样频率不一致（分钟级、小时级混合）
存在大量缺失值和异常值（传感器故障导致）
评价指标采用加权 F1-score，对少数类预测精度要求高
需要处理长期依赖和短期波动共存的时序模式

ARIMA 等传统时序模型在处理非线性关系和多变量耦合时表现局限，实测基线准确率仅 0.62

XGBoost+ 特征工程方案能达到 0.78 的 F1-score，但难以捕捉复杂时序依赖

LSTM+Attention 架构最优验证集得分 0.85，但训练耗时长达 6 小时 /epoch

时间对齐：使用 pandas 的 resample 方法统一采样频率

# 统一采样为 15 分钟间隔
df = df.resample('15T').mean()

异常值处理：采用 3σ 原则结合移动窗口检测

def detect_outliers(series, window=10):
    rolling_mean = series.rolling(window).mean()
    rolling_std = series.rolling(window).std()
    return np.abs(series - rolling_mean) > 3*rolling_std

时序特征：滑动窗口统计量（均值、方差、偏度）
周期特征：傅里叶变换提取主频成分
交互特征：关键变量的滞后交叉项

采用层次化建模方案：

第一层：LightGBM 处理结构化特征
第二层：TCN 网络捕捉时序模式
输出层：Attention 机制动态加权

class HybridModel(nn.Module):
    def __init__(self):
        super().__init__()
        self.tcn = TemporalConvNet(num_inputs=64, num_channels=[32,64,128])
        self.attention = nn.Sequential(nn.Linear(128, 64),
            nn.Tanh(),
            nn.Linear(64, 1)
        )

    def forward(self, x):
        # x shape: (batch, seq_len, features)
        tcn_out = self.tcn(x.permute(0,2,1))
        weights = F.softmax(self.attention(tcn_out), dim=1)
        return (weights * tcn_out).sum(dim=1)

采用 Stacking 策略：