典型文献
面向停电分类预测的因子分解机模型
文献摘要：
可靠的电力供应对于工业生产和居民日常生活至关重要,通过对电力数据平台中的停电数据进行分析和挖掘,可以更好地了解配电网停电的潜在规律.分类预测是数据挖掘和分析中的常见技术,停电分类预测可以为企事业单位的停电规划安排提供决策参考.针对停电分类预测问题,提出一种基于因子分解机(FM)的停电数据分类预测模型.利用决策树算法计算停电数据中不同特征的基尼系数以得出重要性得分,从中筛选与停电预测关联度较大的非稀疏特征.根据不同地区的地理位置关系构建不同地区间的空间位置矩阵,并通过矩阵分解的方式构造不同地区在空间上的地理位置关联特征.为防止FM模型出现过拟合问题,在模型中加入L2-范数正则化.在此基础上,利用随机梯度下降的方法训练FM模型,通过训练完成的FM模型对停电数据进行分类预测.在真实停电数据集上的实验结果表明,该模型在训练数据集和测试数据集上的F1值和准确率分别高达0.90和0.89,优于DNN、SVM、XGBoost等模型.
文献关键词：
停电分类预测;决策树;矩阵分解;因子分解机;随机梯度下降方法
中图分类号：
作者姓名：
冉懿;王润年;潘红伟;俞海猛;袁培森
作者机构：
国网新疆电力有限公司 营销服务中心,乌鲁木齐 830000;国电南瑞南京控制系统有限公司,南京 211106;南京农业大学 人工智能学院,南京 210095
文献出处：
引用格式：
[1]冉懿;王润年;潘红伟;俞海猛;袁培森-.面向停电分类预测的因子分解机模型)[J].计算机工程,2022(05):98-103,111
A类：
停电分类预测
B类：
因子分解机,电力供应,电力数据,配电网,挖掘和分析,常见技术,企事业单位,决策参考,FM,数据分类,分类预测模型,决策树算法,算法计算,基尼系数,停电预测,稀疏特征,位置关系,关系构建,空间位置,矩阵分解,关联特征,过拟合,L2,范数,正则化,方法训练,训练数据集,测试数据,DNN,XGBoost,随机梯度下降方法
AB值：
0.292985
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
