# 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