電力資料視覺化應用案例

部分資料截圖

整體實驗流程圖

1、在電力竊漏電資料節點後面接入特徵選擇節點，特徵列選擇字段（電量趨勢下降指標、線損指標、告警類指標），標籤列選擇是否竊漏電，如下圖所示。

然後接入拆分節點將資料按7：3的比例拆分成兩份，乙份用於訓練，乙份用於**。拆分節點屬性配置如圖所示。

標籤列是否竊漏電是乙個二分類任務，選取乙個分類演算法節點，這裡選擇隨機森林節點，最後我們再接入乙個訓練節點，訓練模型。隨機森林的引數配置如下圖所示。

2、**模型與評估

將**節點接入，並在**節點後接入乙個評估節點。執行成功後我們檢視評估的分析結果如下圖所示，可以看到準確率在95%。

總結通過構建竊漏電使用者的識別模型，可以幫助快速判斷使用者是否存在竊漏電行為，為供電局的稽查人員提供重要參考，提高整個稽查效率。本文旨在幫助讀者快速掌握整個分類建模流程，資料集取自處理後的資料，並未對原始資料集做深入的**。

關於smartbi

smartbi強大的資料分析能力，人人可用的自助式bi。簡便的操作，專業化的要求不高，可以大範圍的應用，這兩年在bi行業口碑很好，個人版全功能模組永久免費使用的！感興趣的朋友可以上smartbi官網試用，還可聯絡客服獲得更多的方案、案例和模板。