Предсказание температуры стали металлургического комбината

Задачей проекта является оптимизация производственных расходов металлургического комбината ООО «Так закаляем сталь».
Руководство завода решило уменьшить потребление электроэнергии на этапе обработки стали.
В проекте построена модель, которая предскажет температуру стали.

Целевые метрики:

MAE > 8.7 — 0 sp
7.6 < MAE ≤ 8.7 — 4 sp
6.8 < MAE ≤ 7.6 — 4.5 sp
6.3 < MAE ≤ 6.8 — 5 sp
6.0 < MAE ≤ 6.3 — 5.5 sp
MAE ≤ 6.0 — 6 sp
(sp - баллы за правильность предсказаний)

Выполнение проекта

• произведен анализ исходных данных
• произведена обработка
• построены таблицы визуализации
• добавлены дополнительные параметры
• произведена проверка на мультиколлениарность признаков
• обучено несколько моделей для предсказания температуры (Dummy-модель, линейная регрессия, CatBoost, LGBoost, Keras
• рассчитана важность признаков лучшей модели
• представлен отчет о результатах

Итоговая таблица моделей и выводы:

* Наиболее важными метриками являются работа при нагреве стали, начальная температура и добавление проволочных материалов. * Наиболее точной моделью является Catboost с подбором параметров с МАЕ=6.74, наиболее быстрой LightGBM с временем обучения 0.1 с.