Python数据分析案例实战.pdf

ATAGURU血：炼卸脸Python数据分析案例分析第1例DATAGURU专业数据分析社区Python数据分析案例分析讲师何翠仪卜去律声明ATAGURU 1111炼笥匝U金【声明】本视频和幻灯片为炼数成金网络课程的教 学资料，所有资料只能在课程内使用，不得在课程以外范散播，违者将可能被追究法律和经济责任。课程详情访问炼数成金培训网站http:DATAGURU专业数据分析社区Python数据分析案例分析讲师何翠仪I关注炼数成金企业微信ATAGURU加炼鸵能全提供全面的数据价值资讯，涵盖商业智能与数据分析.大数据.企业信息化.数字化技 术等，各种高性价比课程信息，赶紧掏出您的手机关注吧！DATAGURU专业数据分析社区Python数据分析案例分析讲师何翠仪ATAGURU案例一：电力窃漏电用户识别系统传统的窃漏电分析是通过人工检测来进行的，对人的依赖性太大，为 了提高窃漏电的判别效率，电力公司决定先根据用户的电表数据进行 初步的自动判断，对于判别为窃漏电的用户再进行人工检测。DATAGURU专业数据分析社区Python数据分析案例分析讲师何翠仪ATAGURU案例背景畸 TBUfi据统计，全国每年因窃电造成的损失都在200亿元左右；被查获的窃电案件不足总窃电 案件的30%。如深圳龙岗工业区一家只有两条生产线的小塑料包装厂，一年窃电折价就 30-40万元之多，某市06年因窃电损失达4亿元。止匕外，窃电行为造成电力设施重大破 坏，从而引发的大面积停电事故每年都发生多起。这不仅给国有资产造成巨大的损失，也严重扰乱了供电秩序，威胁到电网安全运行。如何通过监测数据自动识别偷漏电行为？DATAGURU专业数据分析社区Python数据分析案例分析讲师何翠仪ATAGURU传统方法的缺陷畸 TBUfi传统的用电检查及反偷查漏工作主要依靠突击检查的手段来打击窃电行为，存在先天性 的缺陷和不足：-是由于用电检查工作是按计划开展的，有一定的周期性。在两次检查之间客户存在的安全用电隐患、计量装置 故障及窃电行为等不容易发现。-二是没有针对性，在进行用电检查时，按既定计划先后到现场进行，面对几万专变用户不能及时发现计量故障及 窃电行为。-三是用电检查人员在开展工作时，缺乏客户负荷情况和用电情况的信息。现场检查掌握的也只是客户当时的情况。如果客户存在不定期的窃电行为，将难以发现。基于指标加权的用电异常分析模型，虽然能获得用电异常的某些信息，但由于终端误报 或漏报过多，无法达到真正快速精确定位窃漏电嫌疑用户的目的，往往令稽查工作人员 无所适从。而且在采用这种方法建模时，模型各输入指标权重的确定需要用专家的知识 和经验，具有很大的主观性，存在明显的缺陷，所以实施效果往往不尽如人意。DATAGURU专业数据分析社区Python数据分析案例分析讲师何翠仪ATAGURU原始数据用电负荷数据终端报警信息用户违约、窃电处理通知书DATAGURU专业数据分析社区Python数据分析案例分析讲师何翠仪原始数据ATAGURU用电负荷数据，采集时间间隔为15分钟，可进一步计算该大用户的用电量。用户痂9m(H)一二BinEl申必川电液8相也由相tliJI.HftliHfl iIH；：1.1面.:囚KfflU 31900100001901100!2011 1110202u349.233.liU33.-1I0 50UuloaioU.TH4U.573-10000U.9960 319001000019011001IfUll 11 10 015”1.S0355.*132 103110 50001。3Hl0 7800.573-100000.99L0 3111(10101)0(11901 100 121111 11 10 ll：210 1n茁635n35I0 50Un11)5)0II派1U 573-1011001).996031900100001901 100|2011 I 1 10 015199.fi0376.-133.2036106000io aid0 TO30.573-100000.9%1)JI900100001901 100 1201i Ii ia iuoUJI.20131 t.31 80卫10 500010 iDO0 7X50.573-100000.u1%I匕,v*-v2-1%V2DATAGURU专业数据分析社区Python数据分析案例分析讲师何翠仪ATAGURU构建样本根据指标构建方法，对原数据进行处理有量档势下降指标41线损指标 1告警类指标是否窃漏电11404121119000310020005021313130004100101211013120304020300000309031002081412040301070006000412170002100DATAGURU专业数据分析社区Python数据分析案例分析讲师何翠仪模型构建构建窃漏电用户识别模型-对样本随机选取20%的作为测试样本，剩下80%的作为训练样本。-方法 a)LM神经网络建模 b)CART决策树建模模型评价-绘制ROC曲线进行窃漏电诊断Ir ATAGURU 加炼数理金DATAG U RU专业数据分析社区Python数据分析案例分析讲师何翠仪I炼数成金逆向收费式网络课程 ly露嬲 Dataguru（炼数成金）是专业数据分析网站，提供教育，媒体，内容，社区，出版，数据分析业务等服务。我们的课程采用新兴的互联网教育形式，独创地发展了逆向收费 式网络培训课程模式。既继承传统教育重学习氛围，重竞争压力的特点，同时又发挥互 联网的威力打破时空限制，把天南地北志同道合的朋友组织在一起交流学习，使到原先 孤立的学习个体组合成有组织的探索力量。并且把原先动辄成千上万的学习成本，直线 下降至百元范围，造福大众。我们的目标是：低成本传播高价值知识，构架中国第一的 网上知识流转阵地。关于逆向收费式网络的详情，请看我们的培训网站http:/DATAGURU专业数据分析社区Python数据分析案例分析讲师何翠仪ATAGURUThanksFAQ时间DATAGURU专业数据分析社区Python数据分析案例分析讲师何翠仪