颱風數據分析

第三次會議

1. 資料清理

• X(22)
  • Object
    • 侵臺路徑分類
    • 近臺強度
    • 穿過臺灣
    • 進入/出方向or影響範圍
  • Float
    • 近臺最低氣壓(hPa)
    • 近臺最大風速(m/s)
    • 近臺7級風暴風半徑(km)
    • 近臺10級風暴風半徑(km)
    • 警報發布報數
    • 死亡
    • 失蹤
    • 受傷
    • 房屋全倒(棟)
    • 房屋全倒(戶)
    • 房屋半倒(棟)
    • 房屋半倒(戶)
    • 最大總雨量（總量/有資料的測站）
    • 24小時總雨量（總量/有資料的測站）
    • 總面積（平方公里）
    • 登陸面積（平方公里）
    • 平均最大暴潮偏差
    • 平均最大負暴潮偏差
• y(3)
  • 農業災害產物估計損失(單位:千元)
  • 農業災害民間設施估計損失(單位:千元)
  • 農產損失+民間損失(單位:千元)
  • 公共損失(單位:千元)(半數NA)

1.1 類別型特徵

• 侵臺路徑分類[11]
  • 分類0(24)
  • 分類1(7)
  • 分類2(9)
  • 分類3(13)
  • 分類4(9)
  • 分類5(5)
  • 分類6(9)
  • 分類7(4)
  • 分類8(2)
  • 分類9(7)
  • 分類特殊(6)
• 近臺強度[3]
  • 輕度(30)
  • 中度(45)
  • 強烈(20)
• 穿過臺灣[2]
  • O(43)
  • X(52)
• 進入/出方向or影響範圍[24]
  • ['X' '全臺' '西北/北' '南' '金門' '東北' '北' '南/西' '東北/西北' '東/西' '南/金門' '東南/西南' '東'
    '西' '南/西南' '東/西南' '東/西北' '東北/北' '南/外島' '西北/東北' '西南/東' '東南/西' '東北/西南'
    '西南部及外島地區']

1.2 數值型特徵

XGBoost 模型

[實驗一] y 有取 log

透過 Kfold 將預測結果透過 expm1 還原成原本的 scale。以下為五個 fold 在測試集的 R2 score。

• Fold1: 0.5195063543362759
• Fold2: 0.44107168013178266
• Fold3: 0.3900615768722049
• Fold4: 0.3712196210847235
• Fold5: 0.5357587378785766
• 平均 0.4515235940607127

預測95筆絕對誤差為：

• mean: 1393292.0750377537
• median: 240698.71875

刪除 1.5 倍標準差離群值後，剩下 88 筆有效資料。

• mean: 487568.76804019976
• median: 160614.759765625

[實驗二] y 原始資料下去訓練

• Fold1: 0.8409902617599812
• Fold2: 0.7499123021876299
• Fold3: 0.6709524439729329
• Fold4: 0.5679120068057697
• Fold5: 0.31889693917215145
• 平均 0.629732790779693

預測95筆絕對誤差為：

• mean: 1220146.2613941613
• median: 378011.0

刪除 1.5 倍標準差離群值後，剩下 89 筆有效資料。

• mean: 759920.4919937674
• median: 263446.96660000004

全部Ｘ訓練

• mean: 330933.77436927974
• median: 28172.15625