[发明专利]一种电费异常投诉风险的预测方法及装置

权利要求书

1.一种电费异常投诉风险的预测方法，其特征在于，包括：

采集目标用户的电量数据；

基于所述电量数据构建至少一个反映所述目标用户因电费异常而投诉的特征子集；

将所述特征子集相对应的数据设置为样本数据；

将所述样本数据输入Extreme Gradient Boosting模型中进行训练得到所述目标用户投诉风险的预测结果。

2.根据权利要求1所述的方法，其特征在于，所述基于所述电量数据构建至少一个反映所述目标用户因电量异常而投诉的特征子集，包括：

基于所述电量数据匹配多维度反映所述目标用户因电量异常而投诉的特征子集；

利用零方差法、皮尔森相关系数法、多重共线性检验以及随机森林的机器学习方法提取所述特征子集的最优特征子集。

3.根据权利要求1所述的方法，其特征在于，将所述特征子集相对应的数据设置为样本数据，包括：

在获取到所述特征子集对应的数据后对所述数据进行平衡化处理；

将处理后的数据设置为样本数据。

4.根据权利要求1所述的方法，其特征在于，在将所述样本数据输入Extreme GradientBoosting模型中进行训练得到所述用户投诉风险的预测结果之前，所述方法还包括：

通过构建Area under the Curve of ROC评价指标评估Extreme Gradient Boosting模型的预测准确性。

5.根据权利要求4所述的方法，其特征在于，所述Extreme Gradient Boosting模型的目标函数设置为f_t(x)为第t棵树，q(x)表是第t棵树的树结构，ω_q(x)表是在该树结构上的叶子节点的权重，其取值各为ω∈R^T，q:R^d，d∈{1,2,…,T}。

6.根据权利要求1至3中任一项所述的方法，其特征在于，所述特征子集为气温影响程度特征、侯鸟用户用电习性特征、电量环比和同比角度特征以及历史诉求数量特征。

7.一种电费异常投诉风险的预测装置，其特征在于，包括：

采集单元，用于采集目标用户的电量数据；

构建单元，用于基于所述电量数据构建至少一个反映所述目标用户因电费异常而投诉的特征子集；

设置单元，用于将所述特征子集相对应的数据设置为样本数据；

输入单元，用于将所述样本数据输入Extreme Gradient Boosting模型中进行训练得到所述目标用户投诉风险的预测结果。

8.根据权利要求7所述的装置，其特征在于，所述构建单元包括：

匹配模块，用于基于所述电量数据匹配多维度反映所述目标用户因电量异常而投诉的特征子集；

提取模块，用于利用零方差法、皮尔森相关系数法、多重共线性检验以及随机森林的机器学习方法提取所述特征子集的最优特征子集。

9.根据权利要求7所述的装置，其特征在于，所述设置单元包括：

处理模块，用于在获取到所述特征子集对应的数据后对所述数据进行平衡化处理；

设置模块，用于将处理后的数据设置为样本数据。

10.根据权利要求7所述的装置，其特征在于，在所述输入单元之前，所述装置还包括：

评估单元，用于通过构建Area under the Curve of ROC评价指标评估ExtremeGradient Boosting模型的预测准确性。