一种三阶段多视角特征融合的窃电分类预测方法

摘要

本发明公开了一种三阶段多视角特征融合的用电行为分类预测方法，首先对待分析的客户用电数据，将其作为测试集，并对日用电量、当日电表读数、前一日电表读数中的缺失数据分别用“‑1”和“0”进行填充，形成两份预处理数据；其次，对每份预处理数据，从不同视角来提取特征，对所有视角提取的特征进行合并，使用多个不同的分类预测的机器学习算法进行处理，得出训练集和测试集中的客户的窃电概率；最后，分别用线性模型和树模型对第二个阶段的输出进行预测，然后求均值，获得最终要预测的窃电概率。本发明在现有堆模型的集成学习方法的基础上，增加了数据的多样性、模型的多样性和过拟合处理，从而可以实现对客户窃电概率更加准确的预测。