[发明专利]一种基于梯度提升决策树的窃电检测方法

权利要求书

1.一种基于梯度提升决策树的窃电检测方法，其特征在于，将用户的历史日用电量作为样本特征，让单一树模型根据优化目标自动筛选最优分割特征和分割阈值，并根据迭代次数构建多个树模型组成强分类器，完成窃电检测模型训练，而后通过训练后的窃电检测模型实现窃电检测。

2.根据权利要求1所述的一种基于梯度提升决策树的窃电检测方法，其特征在于，若用户的历史日用电量存在缺失，则通过日用电量的缺失值填充方法，根据缺失电量前后数据的缺失情况填补缺失电量。

3.根据权利要求1所述的一种基于梯度提升决策树的窃电检测方法，其特征在于，窃电检测模型训练过程中，采用网格搜索和K折交叉验证实现窃电检测模型的参数寻优。

4.根据权利要求1所述的一种基于梯度提升决策树的窃电检测方法，其特征在于，该方法具体实现如下：

步骤S1、利用pandas库中read_csv操作读取原始数据集，其表示为(Name,X,Y)，其中，Name表示用户名，由于Name不参与窃电检测模型训练，因此利用pandas库提供的drop操作，删除该列特征；X代表用电特征，其数值即为用户用电数据；Y代表标签，共有两类，1对应窃电用户，0对应正常用户；而后，分别划分用电特征和标签，并存储为变量名pd_features和pd_labels；

步骤S2、对pd_features进行缺失值填充；填充规则为：(1)若缺失值前后均有数据，则以缺失值前后均值填充；(2)若缺失值的前一天有数据，而缺失值的后一天没有数据，则以缺失值前一天的数据填充该缺失值；(3)若缺失值的前一天没有数据，而缺失值的后一天有数据，则以0值填充该缺失值；

步骤S3、划分训练集和测试集，训练集用于寻找最优参数，测试集用于最终检验；利用features＝pd_features.values和labels＝pd_labels.values分别将pd类型的特征和标签转化为数组类型，并通过数组提供的reshape(-1,1)操作，将labels的行数变为和features的行数一样，再通过numpy库提供的concatenate操作，将features和labels拼接，形成新的数组new_data，而后通过numpy库提供的random.shuffle操作，随机打乱数组的行顺序，使得正常样本和窃电样本基于各自比例均匀分布；最后通过数组的切片操作，取前80％的样本作为训练集train_data，后20％的样本作为测试集test_data；

步骤S4、通过网格搜索和K折交叉验证寻找窃电检测模型最优参数；对于训练集train_data，通过pandas库提供的DataFrame操作，将数组train_data转化为DataFrame类型的数据，存储为变量名pd_train_data；而后从sklearn库中导入KFold函数实现K折交叉验证，寻找窃电检测模型最优参数；

步骤S5、训练基于梯度提升决策树的窃电检测模型model；根据步骤S4寻找的最优参数，调用sklearn库中的GradientBoostingClassifier，并设置相应参数，完成窃电检测模型构建；然后划分训练集train_data的特征和标签分别为train_features、train_labels，并通过model.fit进行拟合，完成窃电检测模型的训练；

步骤S6、测试模型；划分测试集test_data的特征和标签分别为test_features、test_labels，并通过model.predict(test_features)，输出预测标签pred；从sklearn库中的metrics模块调用f1_score，并应用于真实标签test_labels和预测标签pred，输出F1得分作为最终评价结果。

5.根据权利要求4所述的一种基于梯度提升决策树的窃电检测方法，其特征在于，步骤S2中，缺失值填充公式具体如下：

其中，NAN表示缺失数据集合，xi、xi-1、xi+1分别表示第i天的日用电量、第i-1天的日用电量、第i+1天的日用电量，表示第i天填充的数据。