基于特征选择改进LR-Bagging算法的电力欠费风险居民客户预测
本文关键词:基于特征选择改进LR-Bagging算法的电力欠费风险居民客户预测
更多相关文章: LR分类器 Bagging集成学习 特征选择 AUC
【摘要】:本文从电力欠费风险预测的角度出发,提出了一种基于特征选择改进的LR-Bagging(即以逻辑回归为基分类器的Bagging集成学习)算法,其精髓在于每一个训练的LR基分类器的记录和字段均通过随机抽样得到。且算法的终止迭代准则由AUC统计量的变化率决定。该改进算法充分考虑了LR的强泛化能力、Bagging的高精确度,以及特征选择带来的LR基分类器的多样性、弱化的多重共线性与"过拟合"度,效果优于单一LR模型。且最终的实验表明,该改进算法得到的电力欠费居民客户风险预测模型的准确性与有效性得到提升。
【作者单位】: 贵州电网有限责任公司信息中心;
【关键词】: LR分类器 Bagging集成学习 特征选择 AUC
【分类号】:F426.61;TP18
【正文快照】: 引言我国电力体制的深化改革为电力行业引入了市场机制[1],在有效实现电力资源优化配置,提高电力资源生产和传输效率的同时,也带给电力企业更大的市场风险,风险的切实防范和规避对电力企业的重要性不言而喻。由于客户欠费而产生的电费回收风险一直是电力营销中存在的重大风险
【相似文献】
中国期刊全文数据库 前10条
1 袁科;;基于Double-Bagging决策树的基因微阵列数据研究[J];湖北汽车工业学院学报;2009年02期
2 乔石;;增强Fisher判决的Bagging集成分类方法[J];太原科技大学学报;2009年06期
3 李雅芹;杨慧中;;一种基于Bagging算法的高斯过程集成建模方法[J];东南大学学报(自然科学版);2011年S1期
4 王兴良;王立宏;李海军;;谱聚类中特征向量的Bagging选取方法[J];山东大学学报(工学版);2013年02期
5 程丽丽;张健沛;杨静;马骏;;一种基于ICA的特征Bagging支持向量机集成方法[J];大连海事大学学报;2008年03期
6 汤志康;王伟智;谈蔚欣;;基于Bagging的交通拥堵预测研究[J];集美大学学报(自然科学版);2006年02期
7 邱卫东;鲍诚毅;朱兴全;;Computer Forensic Using Lazy Local Bagging Predictors[J];Journal of Shanghai Jiaotong University(Science);2009年01期
8 宋星光,夏利民;基于Bagging算法的水库水沙联合智能调度[J];计算机工程与应用;2004年25期
9 陈桂英;;Bagging神经网络集成在产品质量监测中的应用[J];河南科技;2013年19期
10 谭剑;谭松柏;;基于BAGGING算法和BP神经网络的电力系统负荷预测[J];山东电力高等专科学校学报;2012年01期
中国重要会议论文全文数据库 前3条
1 钮冰;陆文聪;金雨欢;;利用Bagging算法预测生物膜蛋白类型[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年
2 李晓波;;集成分类对比:Bagging NB & Boosting NB[A];2010年全国开放式分布与并行计算机学术会议论文集[C];2010年
3 刘艳霞;范明;;Bagging基于eEP的分类器分类稀有类[A];第二十二届中国数据库学术会议论文集(研究报告篇)[C];2005年
中国硕士学位论文全文数据库 前1条
1 吴云峰;基于多分类器的迁移bagging习题推荐研究[D];西北大学;2013年
,本文编号:780080
本文链接:https://www.wllwen.com/gongshangguanlilunwen/780080.html