电力窃电用户自动识别

《python数据分析与实践》第六章

窃漏电用户识别流程：

（1）数据抽取

• 分析数据来源，并完整抽取需要数据

（2）数据探索

数据探索分析是对数据进行初步研究，发现数据的内在规律特征，有助于选择合适的数据预处理和数据分析技术。本案例采取分布分析及周期性分析

• 分布分析，分析窃漏电用户分布
• 周期性分析，随机抽取一名正常用户及一名窃电用户,比较两者的电量趋势图是否有区别

发现窃漏电用户电量持续下降

（3）数据预处理

• 数据清洗

从业务及建模的相关需求考虑，筛选出需要的数据，过滤赘余的数据

• 缺失值处理：拉格朗日插值法

拉格朗日插值法是以法国十八世纪数学家约瑟夫•路易斯•拉格朗日命名的一种多项式插值方法。

• 数据变换

（4）构建专家样本

（5）模型构建及评价

• 数据划分为测试样本和训练样本，随机选取20%作为测试样本，剩下为训练样本。
• 分类预测模型选择：LM神经网络、CART决策树
• 模型评价：ROC曲线评价

（6）窃漏电诊断及优化模型特征