10 / 气象数据与机器学习
天象智研 ATMOS INTELLIGENCE
从气象观测中识别天气状态。天象智研将数据清洗、异常值检测、特征分析与随机森林分类串成可查看的 Notebook 实验。
GitHub · 查看仓库 ↗职责团队成员与模型开发
时期10 个月
状态实验代码已公开
项目问题 THE CHALLENGE
如何把含噪声的气象观测转换为天气状态分类问题，并区分当前观测分类与真正的未来天气预报？
设计方法 APPROACH
- 整理 GlobalWeatherRepository 数据，统一天气标签与部分地点记录
- 使用 Isolation Forest 检查异常观测，并探索气象与空气质量特征
- 使用 100 棵树的 RandomForestClassifier 建立分类实验并查看特征重要性
系统结构 SYSTEM STRUCTURE
- 数据层：观测表、天气状态标签与清洗记录
- 特征层：数值气象指标、空气质量、异常值筛查
- 模型层：标签编码、随机训练/测试划分与随机森林
- 分析层：特征重要性、可视化与实验比较
项目成果 OUTCOMES
- 公开项目说明与包含实验代码、输出的 Notebook
- 记录从数据探索到随机森林建模的过程
- 为后续分类评估与时序验证保留可审查的实验起点
交流这个项目 Discuss this project
对这个项目的方法、实现或取舍感兴趣？欢迎通过邮件交流。