Press "Enter" to skip to content

实战-电力窃露漏电用户自动识别

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

问题描述:判断用户是否窃漏电

 

问题解决:二分类问题

 

缺失值:拉格朗日插值法进行填充

 

使用的特征:电量趋势下降指标、线损指标、警告类指标

 

这里使用的数据来 <python数据分析与实战第六章>

 

数据:

 

 

代码实现:

 

1、加载数据

 

import pandas as pd
from random import shuffle
datafile = path + 'chapter6/model.xls'
data = pd.read_excel(datafile)

 

2、划分训练集和测试集

 

#data = data.as_matrix() 旧版本的pandas是这幺使用的,将dataframe转换为矩阵
data = data.iloc[:,:].values #新版本这幺使用
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):,:]

 

3、使用keras定义模型

 

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 = path + 'chapter6/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(3, 10)) #添加输入层(3)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(10, 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', class_mode = "binary") #编译模型,使用adam方法求解
net.fit(train[:,:3], train[:,3], nb_epoch=100, batch_size=1) #训练模型,循环100次
net.save_weights(netfile) #保存模型

 

由于keras版本导致的错误:

 

常见错误(均是因为keras版本改动)

TypeError:  Dense  can accept only 1 positional arguments (‘units’,), but you passed the following positional arguments: [23, 34]
解决方法:在Dense中写好参数名称改为Dense(input_dim=23,units=34)
ValueError: (‘Some keys in session_kwargs are not supported at this time: %s’, dict_keys([‘class_mode’])) 解决方法:模型编译代码中去掉class_mode这一属性
UserWarning: The  nb_epoch  argument in  fit

has been renamed

epochs

解决方法:

修改代码中的“nb_epoch”为“epochs”即可

 

修改后的代码:

 

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 = path + 'chapter6/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') #编译模型,使用adam方法求解
net.fit(train[:,:3], train[:,3], epochs=100, batch_size=1) #训练模型,循环100次
net.save_weights(netfile) #保存模型

 

部分结果:

 

Epoch 97/100
232/232 [==============================] - 1s 3ms/step - loss: 0.3171
Epoch 98/100
232/232 [==============================] - 1s 3ms/step - loss: 0.3196
Epoch 99/100
232/232 [==============================] - 1s 3ms/step - loss: 0.3194
Epoch 100/100
232/232 [==============================] - 1s 3ms/step - loss: 0.3144

 

我们也可以训练时加入更多的评价指标:(二分类指标)

 

具体的评价指标的使用可参考文档:

 

https://keras.io/api/metrics/classification_metrics/#precision-class

 

import tensorflow as tf
import numpy as np
#精确率评价指标
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 = path + 'chapter6/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',
            tf.keras.metrics.Precision(),
            tf.keras.metrics.Recall()]) #编译模型,使用adam方法求解
net.fit(train[:,:3], train[:,3], epochs=100, batch_size=1) #训练模型,循环1000次
net.save_weights(netfile) #保存模型

 

部分结果:

 

Epoch 97/100
232/232 [==============================] - 1s 4ms/step - loss: 0.1729 - accuracy: 0.9526 - precision: 0.8902 - recall: 0.8770
Epoch 98/100
232/232 [==============================] - 1s 4ms/step - loss: 0.1740 - accuracy: 0.9526 - precision: 0.8908 - recall: 0.8774
Epoch 99/100
232/232 [==============================] - 1s 4ms/step - loss: 0.1693 - accuracy: 0.9569 - precision: 0.8910 - recall: 0.8780
Epoch 100/100
232/232 [==============================] - 1s 4ms/step - loss: 0.1750 - accuracy: 0.9526 - precision: 0.8915 - recall: 0.8783

 

对模型进行验证:

 

scores = net.evaluate(test[:,:3], test[:,3], verbose=0)
for i in range(1,len(net.metrics_names)):
  print("%s: %.2f%%" % (net.metrics_names[i], scores[i]*100)) # 打印出验证集准确率

 

accuracy: 88.14%

 

precision: 89.14%

 

recall: 87.85%

 

使用模型进行预测:这里注意有两个api,一个得到的是概率值,另一个得到的是类别:

 

使用predict()得到的是概率值:这里将其用round进行四舍五入后进行展开。

 

predict_result = tf.round(net.predict(test[:,:3]).reshape(len(test)))
with tf.Session() as sess:
  print(predict_result.eval())

 

[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 1. 0. 0. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 1. 0. 0. 1. 0. 0. 1. 1. 1. 1. 0. 0. 1. 1. 0. 0. 0. 0. 0. 0. 1. 0. 0. 0. 1. 0. 0. 0.]

 

使用predict_classes()得到的是类别:

 

predict_result2 = net.predict_classes(test[:,:3]).reshape(len(test))
predict_result2

 

array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 1, 0, 0, 1, 1, 1, 1, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0], dtype=int32)

 

打印一下真实的标签:

 

y_true = np.array(test[:,3])

 

array([0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 1, 0, 0, 1, 0, 1, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

 

4、评价指标的计算方式以及混淆矩阵

 

我们可以直接通过sklearn api来计算评价指标:

 

from sklearn.metrics import classification_report
target_names = ['no','yes']
print(classification_report(test[:,3],predict_result2,target_names=target_names))

 

结果:

 

              precision    recall  f1-score   support
          no       0.98      0.88      0.93        50
         yes       0.57      0.89      0.70         9
    accuracy                           0.88        59
   macro avg       0.77      0.88      0.81        59
weighted avg       0.92      0.88      0.89        59

 

或者我们可以通过混淆矩阵自己来计算:首先是获得混淆矩阵

 

from sklearn.metrics import confusion_matrix
cnf_matrix = confusion_matrix(test[:,3], predict_result2)
print(cnf_matrix)

 

#行、列的索引就是标签id,这里有两类,用0,1,表示
[[44  6]
 [ 1  8]]

 

混淆矩阵中的四个值分别代表TP、FP、TN、PN

 

根据混淆矩阵,我们可以计算二分类评价指标:(标签为1的是正样本,因此TP是[1][1])

 

TP=cnf_matrix[1][1] #预测为正的真实标签为正
FP=cnf_matrix[0][1] #预测为正的真实标签为负
FN=cnf_matrix[1][0] #预测为负的真实标签为正
TN=cnf_matrix[0][0] #预测为负的真实标签为负
accuracy=(TP+TN)/(TP+FP+FN+TN)
precision=TP/(TP+FP)
recall=TP/(TP+FN)
f1score=2 * precision * recall/(precision + recall)
print(accuracy,precision,recall,f1score)

 

0.8813559322033898 0.5714285714285714 0.8888888888888888 0.6956521739130435

 

这也上面api计算的yes的评价指标的值一致。

 

5、绘制混淆矩阵

 

import matplotlib.pyplot as plt 
%matplotlib inline
def cm_plot(y, yp, labels_name):
  from sklearn.metrics import confusion_matrix #导入混淆矩阵函数
  cm = confusion_matrix(y, yp) #混淆矩阵
  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
  num_local = np.array(range(len(labels_name))) 
  plt.xticks(num_local, labels_name)    # 将标签印在x轴坐标上
  plt.yticks(num_local, labels_name)    # 将标签印在y轴坐标上
  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('True label') #坐标轴标签
  plt.xlabel('Predicted label') #坐标轴标签
  return plt
cm_plot(test[:,3],predict_result2,['no', 'yes']).show()

 

 

6、二分类其他评价指标(这两个我重新在colab上运行的,因此数据和上面不一样)

 

ROC曲线:

 

横坐标:假正率(False positive rate, FPR),预测为正但实际为负的样本占所有负例样本的比例;

 

FPR = FP / ( FP +TN)

 

纵坐标:真正率(True positive rate, TPR),这个其实就是召回率,预测为正且实际为正的样本占所有正例样本的比例。

 

TPR = TP / ( TP+ FN)

 

AUC:就是roc曲线和横坐标围城的面积。

 

如何绘制?

 

对于二值分类问题,实例的值往往是连续值,通过设定一个阈值,将实例分类到正类或者负类(比如大于阈值划分为正类)。上述中我们直接利用四舍五入来区分正类和负类。因此,可以变化阈值,根据不同的阈值进行分类,根据分类结果计算得到ROC空间中相应的点,连接这些点就形成ROC curve。ROC curve经过(0,0) (1,1),实际上(0,0)和(1,1)连线形成的ROC curve实际上代表的是一个随机分类器。一般情况下,这个曲线都应该处于(0,0)和(1,1)连线的上方,

 

代码实现:

 

from sklearn.metrics import roc_curve, auc
# 为每个类别计算ROC曲线和AUC
predict_res=net.predict(test[:,:3]).reshape(len(test))
fpr,tpr,threholds=roc_curve(test[:,3],predict_res,pos_label=1)
roc_auc=auc(fpr,tpr)
plt.plot(fpr,tpr,linewidth=2, label='ROC curve (area = %0.2f)' % roc_auc)
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver operating characteristic example')
plt.legend(loc="lower right")
plt.show()

 

 

绘制Precision-Recall曲线:

 

from sklearn.metrics import precision_recall_curve
from sklearn.metrics import average_precision_score
precision,recall,_ = precision_recall_curve(test[:,3],predict_res,pos_label=1)
average_precision = average_precision_score(test[:,3],predict_res,pos_label=1)
plt.plot(recall, precision,label='Precision-recall curve of class (area = {1:0.2f})'.format(i, average_precision))
plt.xlabel('Recall', fontsize=16)
plt.ylabel('Precision',fontsize=16)
plt.title('Extension of Precision-Recall curve to 2-class',fontsize=16)
plt.legend(loc="upper right")#legend 是用于设置图例的函数
plt.show()

 

 

关于二分类评价指标网上已经有很多讲解的很清楚的了,就不仔细讲了,还是注重实际的代码。本来是应该对比不同的模型的,结果搞成了讲解二分类指标了。。。

 

参考:

 

《python数据分析与挖掘实战》

 

https://www.cnblogs.com/liweiwei1419/p/9870034.html

 

https://blog.csdn.net/weixin_39541558/article/details/82708832

Be First to Comment

发表评论

电子邮件地址不会被公开。 必填项已用*标注