窃漏电用户分析——建构决策树模型

 In[1]:
import pandas as pd
import numpy as np
from sklearn.metrics import accuracy_score,recall_score,f1_score
from sklearn.tree import DecisionTreeClassifier,export_graphviz
import os
import pydotplus
import scipy.stats as ss
import matplotlib.pyplot as plt
import seaborn as sns   # 画图库
plt.style.use('ggplot')
plt.rcParams['font.sans-serif']=['SimHei']   #设置中文字体为黑体
plt.rcParams['axes.unicode_minus']=False

In[2]:
#导入文件两个例子，一个是正常用电，一个是非正常用电，非正常用电用户的电量呈逐渐下降趋势
period= pd.read_csv("Ele_pow.csv",index_col=0)  #第一行为字段名
#导入建模的文件,其中包括了特征【电量趋势下降指标、线损指标、告警类指标】，以及标签【是否窃漏电】，均已进行过预处理（数据清洗、归一化等）
modeling=pd.read_excel("model.xls",encoding='utf-8')

In[3]:
period.plot()
plt.show()  #正常和非正常的电量分析

In[4]:
modeling.corr() #分析指标之间的相关性，通过热力图呈现相关状况
sns.heatmap(modeling.corr(),vmin=-1,vmax=1,cmap=sns.color_palette("RdBu_r", 18))  
plt.show()

In[5]:
from sklearn import model_selection
from sklearn.model_selection import train_test_split   #划分数据集的选择工具

In[6]:
x=modeling[['电量趋势下降指标','线损指标','告警类指标']]
y=modeling['是否窃漏电']
In[7]:
X_train,x_test,Y_train,y_test=train_test_split(x,y,test_size=0.2)

In[8]:
tree=DecisionTreeClassifier(max_depth=6,min_samples_leaf=2)
tree.fit(X_train,Y_train)
Y_predDT=tree.predict(x_test)
print("DesicionTree Model:")
print("DT-ACC:",accuracy_score(y_test,Y_predDT))
print("DT-REC:",recall_score(y_test,Y_predDT))
print("DT-F1:",f1_score(y_test,Y_predDT))
roc_auc_score_DT = roc_auc_score(y_test,Y_predDT)
print("The ROC of DT:",roc_auc_score_DT) #auc值通常在0.5-1之间，越接近1，模型拟合效果越好

Out[9]:
DesicionTree Model:
DT-ACC: 0.9491525423728814
DT-REC: 0.875
DT-F1: 0.823529411764706
The ROC of DT: 0.9178921568627452   #可见模型拟合效果较好

In[10]:
from sklearn.tree import export_graphviz
dot_data = export_graphviz(tree, out_file=None,
						   feature_names=['Down','Damagine','Warning'],
				           class_names=['Y','N'],
                           filled=True, rounded=True, special_characters=True)
graph = pydotplus.graph_from_dot_data(dot_data)
graph.write_pdf("tree.pdf")

*决策树可视化结果：