Python数据挖掘—电力窃漏电用户自动识别

清疚 2022-06-02 07:13 436阅读 0赞

实验有两个部分：

1．    利用拉格朗日差值法进行缺失值的补充

2．    构建分类模型对窃电用户进行识别

(一)     用户的用电数据存在缺失值，数据见“test/data/missing\_data.xls”,利用拉格朗日插值法补全数据。

(二)     对所有窃电用户及正常的用电的电量，警告及线损数据和该用户在当天是否窃电漏电的标识，按窃电漏电评价标准进行处理样本数据，得到专家样本，数据见“test/data/model.xls”,分别使用LM神经网络和CART决策树实现分类预测模型，利用混淆矩阵和ROC曲线对模型进行评价。

（数据80%作为训练样本，剩下的20%作为测试样本）

1、    实验方法与步骤

实验一：利用拉格朗日差值法进行缺失值的补充

(一)     打开PyCharm软件，把“test/data/missing\_data.xls”放入当前工作目录。

(二)     使用Pandas把数据读入当前工作目录。

(三)     针对读入的数据的每一列，进行编程（拉格朗日算法）。

3．    实验二：构建分类模型对窃电用户进行识别

(一)     把经过预处理的专家样本数据“test/data/model.xls”数据放入当前工作目录，并使用Pandas读入当前工作空间。

(二)     把工作区间的建模数据随机分为两部分，一部分用于训练，一部分用于测试。

(三)     使用Scikit-Lrean库的sklearn.tree的DecisionTreeClassifier函数以及训练数据构建CART决策树模型，使用predict函数和构建的CART决策树模型分别对训练和测试数据进行分类，并与真实值比较，得到模型正确率，同时使用sklearn.metrics的confusion\_maritx和roc\_curve函数画混淆矩阵和ROC曲线图。

(四)     使用Keras库以及训练数据模型构建LM神经网络模型，使用predict函数和构建的神经网络模型分别对训练和测试数据进行分类，得到模型正确率，混淆矩阵和ROC曲线图。

(五)     对比分析CART决策树模型和LM神经网络模型针对专家样本数据处理结果的好坏。

1、    程序代码及运行结果

第一部分：利用拉格朗日差值法进行缺失值的补充

（1）：利用Python对拉格朗日差值法进行应用

首先将缺失值数据导入：

*\#拉格朗日插值代码*  
**import** pandas **as** pd *\#导入数据分析库Pandas*  
**from** scipy.interpolate **import** lagrange *\#导入拉格朗日插值函数*  
  
inputfile = **'../data/missing\_data.xls'** *\#输入数据路径,需要使用Excel格式；*

*缺失数据如下*

针对读入数据的每一列，进行拉格朗日差值算法进行编程。

#-*- coding: utf-8 -*- #拉格朗日插值代码 import pandas as pd #导入数据分析库Pandas from scipy.interpolate import lagrange #导入拉格朗日插值函数 inputfile = '../data/missing_data.xls' #输入数据路径,需要使用Excel格式；
    outputfile = '../tmp/missing_data_processed.xls' #输出数据路径,需要使用Excel格式
    
    data = pd.read_excel(inputfile, header=None) #读入数据 #自定义列向量插值函数
    #s为列向量，n为被插值的位置，k为取前后的数据个数，默认为5
    def ployinterp_column(s, n, k=5):
      y = s[list(range(n-k, n)) + list(range(n+1, n+1+k))] #取数 y = y[y.notnull()] #剔除空值 return lagrange(y.index, list(y))(n) #插值并返回插值结果 #逐个元素判断是否需要插值
    for i in data.columns:
    for j in range(len(data)):
    if (data[i].isnull())[j]: #如果为空即插值。 data[i][j] = ployinterp_column(data[i], j)
    
    data.to_excel(outputfile, header=None, index=False) #输出结果

导出数据如下：

第二部分：构建分类模型对窃电用户进行识别

（1）：数据划分

对专家样本随机选取20%作为测试样本，剩下的80%作为训练样本

代码如下

**import** pandas **as** pd *\#导入数据分析库*  
**from** random **import** shuffle *\#导入随机函数shuffle，用来打算数据*  
  
datafile = **'../data/model.xls'** *\#数据名*  
treefile = **'../tmp/tree.pkl'** *\#模型输出名字*  
data =pd.read\_excel(datafile) *\#读取数据，数据的前三列是特征，第四列是标签*  
data = data.as\_matrix()*\#将表格转换为矩阵*  
shuffle(data) *\#随机打乱数据*  
  
p = 0.8  *\#设置训练数据比例*  
train = data\[:int(len(data)\*p), :\] *\#前80%为训练集*  
test = data\[int(len(data)\*p):, :\] *\#后20%为测试集*

（2）：Python导入CART决策树模型算法

**from** sklearn.tree **import** DecisionTreeClassifier *\#导入决策树模型*

（3）：Python导入混淆矩阵  
**from**sklearn.metrics**import** confusion\_matrix *\#导入混淆矩阵函数*

（4）：Python导入ROC曲线函数 from sklearn.metrics import roc_curve #导入ROC曲线函数

（5）：Python实现dt\_model

构建CART决策树模型及ROC曲线函数及混淆矩阵的完整代码如下：

*\#-\*-coding: utf-8 -\*-  
\#构建并测试CART决策树模型*  
  
**import** pandas **as** pd *\#导入数据分析库*  
**from** random **import** shuffle *\#导入随机函数shuffle，用来打算数据*  
  
datafile = **'../data/model.xls'** *\#数据名*  
treefile = **'../tmp/tree.pkl'** *\#模型输出名字*  
data =pd.read\_excel(datafile) *\#读取数据，数据的前三列是特征，第四列是标签*  
data =data.as\_matrix() *\#将表格转换为矩阵*  
shuffle(data) *\#随机打乱数据*  
  
p = 0.8  *\#设置训练数据比例*  
train = data\[:int(len(data)\*p), :\] *\#前80%为训练集*  
test = data\[int(len(data)\*p):, :\] *\#后20%为测试集*  
  
**from** sklearn.tree **import** DecisionTreeClassifier *\#导入决策树模型*  
**from** sklearn.metrics **import** confusion\_matrix *\#导入混淆矩阵函数*  
  
tree =DecisionTreeClassifier() *\#建立决策树模型*  
tree.fit(train\[:,:3\],train\[:, 3\]) *\#训练  
\#保存模型*  
**from** sklearn.externals **import** joblib  
joblib.dump(tree, treefile)  
  
cm = confusion\_matrix(train\[:, 3\], tree.predict(train\[:, :3\])) *\#混淆矩阵*  
  
**import** matplotlib.pyplot **as** plt *\#导入作图库*  
plt.matshow(cm, cmap=plt.cm.Greens) *\#画混淆矩阵图，配色风格使用cm.Greens，更多风格请参考官网。*  
plt.colorbar() *\#颜色标签*  
  
**for** x **in** range(len(cm)): *\#数据标签*  
**for** y **in** range(len(cm)):  
    plt.annotate(cm\[x, y\], xy=(x, y), horizontalalignment=**'center'**, verticalalignment=**'center'**)  
  
plt.ylabel(**'Truelabel'**) *\#坐标轴标签*  
plt.xlabel(**'Predicted label'**) *\#坐标轴标签*  
plt.show() *\#显示作图结果*  
  
**from** sklearn.metrics **import** roc\_curve *\#导入ROC曲线函数*  
  
fpr, tpr,thresholds = roc\_curve(test\[:, 3\], tree.predict\_proba(test\[:, :3\])\[:, 1\], pos\_label=1)  
plt.plot(fpr, tpr, linewidth=2, label =  **'ROC of CART'**, color =  **'green'**) *\#作出ROC曲线*  
plt.xlabel(**'False Positive Rate'**) *\#坐标轴标签*  
plt.ylabel(**'True Positive Rate'**) *\#坐标轴标签*  
plt.ylim(0, 1.05) *\#边界范围*  
plt.xlim(0, 1.05) *\#边界范围*  
plt.legend(loc=4) *\#图例*  
plt.show() *\#显示作图结果*

dt\_model.py代码的执行结果为：

混淆矩阵如下：

![SouthEast][]

ROC of CART图如下：

![SouthEast 1][]

（6）：Python实现LM神经网络模型

库的导入：

**from** keras.models **import** Sequential *\#导入神经网络初始化函数*  
**from** keras.layers.core **import** Dense, Activation *\#导入神经网络层函数、激活函数*

设置数据划分

import pandas as pd
    from random import shuffle
    
    datafile = '../data/model.xls' data = pd.read_excel(datafile)
    data = data.as_matrix()
    shuffle(data)
    
    p = 0.8  #设置训练数据比例 train = data[:int(len(data)*p), :]
    test = data[int(len(data)*p):, :]

其他与构建CART模型相似，现给出最终代码，如下：

*\#-\*-coding: utf-8 -\*-*  
**import** os  
**import** pandas **as** pd  
**from** random **import** shuffle  
  
datafile = **'../data/model.xls'**  
data = pd.read\_excel(datafile)  
data = data.as\_matrix()  
shuffle(data)  
  
p = 0.8  *\#设置训练数据比例*  
train = data\[:int(len(data)\*p), :\]  
test = data\[int(len(data)\*p):, :\]  
  
**from** keras.models **import** Sequential *\#导入神经网络初始化函数*  
**from** keras.layers.core **import** Dense, Activation *\#导入神经网络层函数、激活函数*  
  
netfile = **'../tmp/net.model'** *\#构建的神经网络模型存储路径*  
  
net = Sequential()*\#建立神经网络*  
net.add(Dense(input\_dim = 3, units =  10)) *\#添加输入层（3节点）到隐藏层（10节点）的连接*  
net.add(Activation(**'relu'**)) *\#隐藏层使用relu激活函数*  
net.add(Dense(input\_dim = 10, units =  1)) *\#添加隐藏层（10节点）到输出层（1节点）的连接*  
net.add(Activation(**'sigmoid'**)) *\#输出层使用sigmoid激活函数*  
net.compile(loss = **'binary\_crossentropy'**, optimizer =  **'adam'**, metrics=\[**'accuracy'**\]) *\#编译模型，使用adam方法求解*  
  
net.fit(train\[:, :3\], train\[:, 3\], epochs=1000, batch\_size=1) *\#训练模型，循环1000次*  
net.save\_weights(netfile)*\#保存模型*  
  
**from** sklearn.metrics **import** confusion\_matrix *\#导入混淆矩阵函数*  
  
predict\_result =net.predict\_classes(train\[:, :3\]).reshape(len(train)) *\#预测结果变形*  
**'''这里要提醒的是，keras用predict给出预测概率，predict\_classes才是给出预测类别，而且两者的预测结果都是n x 1维数组，而不是通常的 1 x n'''**  
  
cm =confusion\_matrix(train\[:, 3\], predict\_result) *\#混淆矩阵*  
  
**import** matplotlib.pyplot **as** plt *\#导入作图库*  
plt.matshow(cm, cmap=plt.cm.Greens) *\#画混淆矩阵图，配色风格使用cm.Greens*  
plt.colorbar() *\#颜色标签*  
  
**for** x **in** range(len(cm)): *\#数据标签*  
**for** y **in** range(len(cm)):  
    plt.annotate(cm\[x, y\], xy=(x, y), horizontalalignment=**'center'**, verticalalignment=**'center'**)  
  
plt.ylabel(**'Truelabel'**) *\#坐标轴标签*  
plt.xlabel(**'Predicted label'**) *\#坐标轴标签*  
plt.show() *\#显示作图结果*  
  
**from** sklearn.metrics **import** roc\_curve *\#导入ROC曲线函数*  
  
predict\_result =net.predict(test\[:, :3\]).reshape(len(test))  
fpr, tpr, thresholds = roc\_curve(test\[:, 3\], predict\_result, pos\_label=1)  
plt.plot(fpr, tpr, linewidth=2, label =  **'ROC of LM'**) *\#作出ROC曲线*  
plt.xlabel(**'False Positive Rate'**) *\#坐标轴标签*  
plt.ylabel(**'True Positive Rate'**) *\#坐标轴标签*  
plt.ylim(0, 1.05) *\#边界范围*  
plt.xlim(0, 1.05) *\#边界范围*  
plt.legend(loc=4) *\#图例*  
plt.show() *\#显示作图结果*

lm\_model.py代码执行结果如下：

程序执行过程较长：

混淆矩阵为：

![SouthEast 2][]![SouthEast 3][]

ROC of LM 图如下：

![SouthEast 4][]

（7）：Python实现LM神经网络模型和CART决策树模型

代码和以上相似：

Mix-lm-dt\_model.py完整代码如下

*\#-\*-coding: utf-8 -\*-*  
**import** os  
**import** pandas **as** pd  
**from** random **import** shuffle  
  
datafile = **'../data/model.xls'**  
data =pd.read\_excel(datafile)  
data = data.as\_matrix()  
shuffle(data)  
  
p = 0.8  *\#设置训练数据比例*  
train = data\[:int(len(data)\*p), :\]  
test = data\[int(len(data)\*p):, :\]  
  
*\#\#\#构建神经网络分类模型*  
**from** keras.models **import** Sequential *\#导入神经网络初始化函数*  
**from** keras.layers.core **import** Dense, Activation *\#导入神经网络层函数、激活函数*  
  
netfile = **'../tmp/net.model'** *\#构建的神经网络模型存储路径*  
  
net = Sequential()*\#建立神经网络*  
net.add(Dense(input\_dim = 3, units =  10)) *\#添加输入层（3节点）到隐藏层（10节点）的连接*  
net.add(Activation(**'relu'**)) *\#隐藏层使用relu激活函数*  
net.add(Dense(input\_dim = 10, units =  1)) *\#添加隐藏层（10节点）到输出层（1节点）的连接*  
net.add(Activation(**'sigmoid'**)) *\#输出层使用sigmoid激活函数*  
net.compile(loss = **'binary\_crossentropy'**, optimizer =  **'adam'**, metrics=\[**'accuracy'**\]) *\#编译模型，使用adam方法求解*  
  
net.fit(train\[:, :3\], train\[:, 3\], epochs=10, batch\_size=1) *\#训练模型，循环1000次*  
net.save\_weights(netfile)*\#保存模型  
  
\#绘制混淆矩阵*  
**from** cm\_plot **import** \* *\#导入自行编写的混淆矩阵可视化函数*  
**from** sklearn.tree **import** DecisionTreeClassifier *\#导入决策树模型*  
**from** sklearn.metrics **import** confusion\_matrix *\#导入混淆矩阵函数*  
  
predict\_result = net.predict\_classes(train\[:,:3\]).reshape(len(train)) *\#预测结果变形*  
cm =confusion\_matrix(train\[:, 3\], predict\_result) *\#混淆矩阵*  
**import** matplotlib.pyplot **as** plt *\#导入作图库*  
plt.matshow(cm, cmap=plt.cm.Greens) *\#画混淆矩阵图，配色风格使用cm.Greens*  
plt.colorbar() *\#颜色标签*  
  
**for** x **in** range(len(cm)): *\#数据标签*  
**for** y **in** range(len(cm)):  
    plt.annotate(cm\[x, y\], xy=(x, y), horizontalalignment=**'center'**, verticalalignment=**'center'**)  
  
plt.ylabel(**'Truelabel'**) *\#坐标轴标签*  
plt.xlabel(**'Predicted label'**) *\#坐标轴标签*  
plt.show() *\#显示作图结果*  
  
treefile = **'../tmp/tree.pkl'** *\#模型输出名字*  
tree =DecisionTreeClassifier() *\#建立决策树模型*  
tree.fit(train\[:,:3\],train\[:, 3\]) *\#训练  
\#保存模型*  
**from** sklearn.externals **import** joblib  
joblib.dump(tree, treefile)  
  
**from** sklearn.metrics **import** roc\_curve *\#导入ROC曲线函数*  
**import** matplotlib.pyplot **as** plt  
fpr1, tpr1, thresholds1 = roc\_curve(test\[:, 3\], net.predict(test\[:, :3\]).reshape(len(test)), pos\_label=1)  
fpr2, tpr2, thresholds2 = roc\_curve(test\[:, 3\], tree.predict\_proba(test\[:, :3\])\[:, 1\], pos\_label=1)  
plt.plot(fpr1, tpr1, linewidth=2, label =  **'ROC of LM'**, color =  **'blue'**) *\#作出ROC曲线*  
plt.plot(fpr2,tpr2, linewidth=2, label =  **'ROC of CART'**, color =  **'green'**)  
plt.xlabel(**'FalsePositive Rate'**) *\#坐标轴标签*  
plt.ylabel(**'True Positive Rate'**) *\#坐标轴标签*  
plt.ylim(0, 1.05) *\#边界范围*  
plt.xlim(0, 1.05) *\#边界范围*  
plt.legend(loc=4) *\#图例*  
plt.show() *\#显示作图结果*

Mix-lm-dt\_model.py代码执行结果如下：

混淆矩阵如下：

![SouthEast 5][]

LM神经网络模型和CART决策树模型的混合模型图如下：

![SouthEast 6][]

完整包结构如下：

![SouthEast 7][]

[SouthEast]: /images/20220602/cdd26fceeb8f43c0aed9e26194dce61a.png
[SouthEast 1]: /images/20220602/05b5d0da4773498681ecd1dbb48f2b99.png
[SouthEast 2]: https://img-blog.csdn.net/20180107205413273?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvaWlpaWlpbGlrYW5nc2h1YWk=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast
[SouthEast 3]: /images/20220602/acf85155ee4b474980b4c2f08c9f65b8.png
[SouthEast 4]: /images/20220602/888826d1023a47c89de2d772dd57c596.png
[SouthEast 5]: /images/20220602/8a217f9463d14e73b027fc6b7132f7ce.png
[SouthEast 6]: /images/20220602/db1c95b3c0d24968b273de632e2d16c4.png
[SouthEast 7]: /images/20220602/32fc8daadb944fc097fde5400ef83c7e.png