《决策树算法与电力营销数据挖掘探讨》由会员分享，可在线阅读，更多相关《决策树算法与电力营销数据挖掘探讨（6页珍藏版）》请在金锄头文库上搜索。
1、决策树算法与电力营销数据挖掘探讨摘要：为了对电力企业中不同部门的运行数据进行有效的挖 掘，提出利用C5.0决策树算法对数据进行深层次分析，为管 理人员提供有价值的决策支持。首先，对数据挖掘中先进的C 50决策树算法原理进行分析，并通过引入信息熵对原有的属 性选择方式进行改进，提高了信息增益比率计算的速度。然后根 据设计的售电量关系模型进行对电厂管理信息系统中的数据进行 挖掘。在UCI机器学习数据集和电力营销数据集上的实验结果 表明，提出的改进C5.0决策树算法具有良好的分类性能，能 够对售电市场进行快速、准确的用户分类，准确率达到8 6. 5%。关键词：数据挖掘；C50决策树；电力营销；信息熵
2、； 分类预测随着我国信息产业的爆发式发展，各行业的企业都开始使用 信息集成系统进行管理。如何对所产生的海量数据进行有效利用 成为新时代人们最关注的问题之一 1。电力企业作为直接影响 社会民生的重要部门，在使用管理信息系统的过程中产生了大量 的运行状况和销售数据2，电力企业管理人员迫切需要合理的 方式去处理这些海量数据，以便获得有价值的信息3。数据挖 掘技术作为计算机领域的热门方向，一直和社会实际应用紧密结 合。使用合理的数据挖掘技术可以解决电力企业的数据分析问题, 为管理人员提供有价值的决策支撑信息，从而提高电网运行的可 靠性】4。例如，刘建飞等5提出了一种基于电力侧大数据 挖掘的营销效果评价
3、方法，其中使用了C45决策树算法。V ict ofD等6利用BP神经网络对电力企业营销数据进 行快速挖掘。黄文思等提出了一种基于决策树算法的电力客户欠 费风险预测。但是，上述方法米用的决策树算法仍旧是ID3算 法以及在其基础上发展起来的C4.5方法。而C5.0决策树 算法作为其后续的最新版本，综合性能有了明显提升。因此，为 了对电力企业提供更加准确、有效的营销数据决策支撑，本文提 出利用C5.0决策树算法对电力营销管理系统的营销数据进行 深层次分析。通过引入信息熵对原有的C5.0决策树算法进行 了改进，提高了其分类速度和精度。在UCI机器学习数据集和 电力营销数据集上的实验结果表明，提出的改进
4、C5.0决策树 算法具有良好的分类性能，能够满足电力营销工作中的分类预测 需求。1C50决策树算法原理作为从ID3决策树算法发展出来的后续算法，RossQ uinlan提出了C4 . 5算法能够将属性视为连续型的7， 并提出了2个新的属性：分离信息(Spl itln forma tion)和信息增益率(In forma tio ngainr atio)，可用于生成多分支决策树C50算法与C4.5 算法的核心是一样的，但是在内存管理等方面做出不少改进，更 加适合商业应用。11分裂属性的确定本文假设S表示一个训 练样本集，其样本数量为S个，包括m个不同的种类xi（i = 1,2，m）o D表示训练
5、样本集S的一个属性且取值范围为 l，k。vi表示属于不同种类xi的样本总数。根据属性D 的不同，能够将训练样本集S区分成k个小的子集si为上述 子集中的第i个子集，i = 1，2，k, Si 表示子集s i中的样本个数。首先，信息增益Gain（S，D ）的计算式 8如式（1）Gain（S，D）=I（s1，s2， sk）-E（S，D） （ 1）其中，E（S，D ）表示根据属性D 划分出的k个子集的熵加权和，I （s1，s2，sk ）则 表示训练样本集S的熵。12分裂属性的确定在分裂属性的选 取过程中，C50决策树算法会挑选出具有最高增益比率的属 性，并将其定义成分裂属性12。在确定分裂属性后，C
6、5. 0 决策树算法会执行最佳分割点的确定步骤，组成了决策树的k个 分枝。当最佳分裂属性是连续型变量时，会利用分箱策略设置划 分值，从而对大于该划分值的样本进行再划分13。在循环执 行分裂属性的确定和最佳分割点的确定后，生成了一棵完整的决策树。2改进的C5.0决策树算法通过上节C5.0决策树算法原理分析，可以看出该决策树算法需要根据每一个属性在所有结点上，对信息的增益比率Ga inRa tio （S,D）进行计算，以便为后续分裂属性的确 定做支持。但是式（4）中信息增益比率GainRa tio （S, D）计算需要对数运算，因此计算时间较长且精度不够理想1 4。因此，本文通过引入信息熵对原有的
7、属性选择方式进行改进。 假设正例属性的个数为P，且反例属性的个数为n,则信息量的 计算方式如式（6）从式（13）可以看出，计算过程仅包含简 单的加减和乘除运算，大大缩减了计算时间。3改进C5.0决策树在电力营销中的应用3.1数据模型设计在将改进的C5.0决策树应用于电厂管理信息系统中时， 需要以售电量为中心，构建各部门数据库表格之间的映射关系， 本文构建的数据模型如图1所示。3.2数据挖掘流程改进C5.0决策树在电力营销中的数据挖掘流程如图2所Zjo4实验结果与分析4.1实验环境为了对本文提出的视频分类方法进行分析和验证，进行具体 实验。实验硬件环境：处理器为Int elCorei72 .2
8、8G。实验软件环境:Windows7操作系统、MATLA B7.0仿真软件。GHz，图形图像处理设备为GTX9702G显存，内存为4.2改进算法性能验证为了验证所提改进的C5.0决策树算法的性能，用UCI 机器学习数据集15进行了分类测试验证。选择20组小数 据集，共2 4 0 0个样本进行了测试。训练样本为随机选取的1 0 0 0个样本，其余为测试样本。每组实验重复10次并去平均 值作为最终结果。标准C5.0决策树算法和改进后C5.0决 策树算法的分类准确率对比和时间对比分别如图3、图4所示。 从图3可以看出，随着测试样本数量的不断增多，2种算法分类 的准确率几乎一致。从图4可以看出，随着测
9、试样本数量的不断 增多，2种算法分类的时间均有所增加，但是改进后C5.0决 策树算法所需的时间明显更少，分类效率更高。4.3电力营销应用结果以某电力企业的2 0 19年期间营销数据为测试数据集，对 改进后C5.0决策树算法进行实际案例分析。该电力营销测试 数据集共包括100名不同地区、不同年龄和不同岗位的用户用 电样本数据。随机选取其中5 0个样本作为训练样本，如表1所 示。利用改进的C5.0决策树算法，选择具有最大信息增益属 性值作为叶节点，循环上述决策树执行步骤，最终产生客户分类 决策树及其分类规则，然后在电力营销数据集的测试样本中对得 到的分类决策树模型进行验证。此外，为了对比分析，还使
10、用了 BP神经网络和ID30决策树分别建立分类模型。各种分类 模型结果比较如表2所示。从表2可以看出，相比于BP神经网 络、ID30决策树，C50决策树和改进的C5.0决策 树算法在分类准确率方面提升较为明显，C5. 0决策树最优（8 7. 6%），改进C5.0决策树算法次之（86. 5%）。而在 分类效率方面，改进C5. 0决策树算法表现较为突出，仅需18 6s。综合来看，改进C5.0决策树算法在客户及时准确分类 应用中具有最佳的综合分类性能，可以有效满足实际的电力营销 工作需要。5总结本文提出了一种基于改进C5.0决策树算法的电力营销数 据挖掘技术。通过引入信息熵对原有的属性选择方式进行改进， 提高了信息增益比率计算的速度。此外，根据设计的售电量关系 模型进行对电厂管理信息系统中的数据进行挖掘。数据集和实际 案例应用结果均验证了提出改进算法的有效性和可行性。但是电 力营销训练和测试样本集中用户属性的数量（维度）较少，后续 将考虑增加更多的属性，来进一步验证C5.0决策树算法的性 能。作者：卜晓阳 蔡岩 王宗伟 赵郭燚 单位：国家电网公司 河 北师范大学
