2016.12.29回顾

探讨了GBDT在信贷评估中的使用方法,包括如何找到显著的衍生变量及直接建模的效果。同时提及了与其他模型如LR的结合方式,并对GBDT原理进行了深入思考。

1、上午和BI进行了沟通,把需求和相关文档整理了发给了他们

2、更新了爱尚审批阈值和多头借贷阈值

3、上午还讨论了gbdt输出概率的问题,predict_proba这个方法,我当时乍一看以为可以,其实不行,这个概率非常非常之接近?难道是数据集太好了?用一下真实的数据集

4、中午练了会舞,下午那个瞌睡哟,简直了!所以没办法跟别人学,中午还是得休息睡觉,整个下午状态都很差,下午找了一些资料,看了同业的方法,据说芝麻信用是GBDT找到交互作用的衍生变量,然后和原始变量一起用lr,GBDT怎么样找到显著的衍生变量呢?百融的方法是直接用GBDT得到模型,我看起来效果还不错,我下一步先从简单的开始,就直接用GBDT建模

5、进一步看了下GBDT原理,但是怎么说很多博客都是对原理泛泛而谈,我还是希望看一个推导更细致的过程,每一步是怎么出来的,像这种,对残差进行学习,然后累加,本身是回归树?那最后又是如何分类的呢?变量选择方法和分支方法又是什么?

内容概要:本文围绕基于风光储能和需求响应的微电网日前经济调度问题,提出了一套完整的Python代码实现方案。研究综合考虑风能、光伏等可再生能源的出力不确定性、储能系统的动态充放电特性以及需求侧响应机制,构建了以最小化系统综合运行成本为目标的优化调度模型。该模型充分体现了对可再生能源的高效消纳、系统经济性提升与供需平衡调控的能力,通过Python编程结合优化求解器实现了模型的求解与仿真验证,为微电网能量管理系统的设计与科研分析提供了可复现的技术路径与实践参考。; 适合人群:具备一定Python编程基础和电力系统优化调度知识的科研人员、工程技术人员及高校电气工程、能源系统等相关专业的研究生。; 使用场景及目标:①应用于微电网、智能配电网及综合能源系统的科研建模与仿真分析;②帮助读者深入理解含高比例可再生能源的电力系统日前调度建模方法、目标函数构造与约束条件处理技巧;③为实际工程中实现低碳、经济、可靠的微电网运行提供算法支持与决策依据。; 阅读建议:建议读者结合文档中的代码实例,系统学习优化模型的数学表达与编程实现过程,重点关注变量定义、目标函数构建、系统约束(如功率平衡、储能动态、机组出力等)的编码实现,并尝试调整负荷、新能源出力等输入数据进行多场景仿真,以深入掌握微电网调度策略的灵敏度分析与优化效果评估方法。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值