[发明专利]基于标签的电力客户投诉预测方法

摘要

本发明公开了一种基于标签的电力客户投诉预测方法，包括获取电力客户的历史数据并处理；采用机器学习算法训练训练数据，建立预测模型并得到预测模型的精度；建立多模型加权联合预测模型；多模型加权联合预测模型预测电力客户的投诉数据；过采样算法扩充进据；组建新的数据训练集，采用机器学习算法该训练新的训练数据，建立预测模型并得到预测模型的精度；再次建立多模型加权联合预测模型；重复上述步骤直至精度符合要求；采用得到的最终的多模型加权联合预测模型对电力客户的投诉进行预测。本发明方法能够准确和快速的对电力系统的客户投诉情况进行预测，而且方法简单可靠，科学方便。

主权项

1.一种基于标签的电力客户投诉预测方法，包括如下步骤：S1.获取电力客户的历史数据，并进行数据预处理，并将处理后的数据分为训练数据和测试数据；所述的历史数据包括电力客户的投诉数据和电力客户的非投诉数据；S2.采用若干种现有的机器学习算法对步骤S1获取的训练数据进行训练，分别建立对应的预测模型，并采用步骤S1获取的测试数据对各预测模型进行测试并得到各个预测模型的精度；S3.根据步骤S2得到的训练后的预测模型及精度建立多模型加权联合预测模型；S4.采用步骤S3建立的多模型加权联合预测模型，对步骤S1中的电力客户的投诉数据进行预测；S5.针对步骤S4得到的预测结果中预测错误的结果所对应的电力客户的投诉数据，采用过采样算法进行数据扩充；S6.组建新的数据训练集，将新的数据训练集分为训练数据和测试数据，采用若干种现有的机器学习算法对该训练数据进行训练，分别建立对应的预测模型，并利用测试数据对各预测模型进行测试并得到各个预测模型的精度；所述的新的数据训练集包括步骤S1中电力客户的历史数据中的电力客户的非投诉数据、步骤S4中预测正确的结果所对应的电力客户的投诉数据和步骤S5得到的扩充后的步骤S4得到的预测结果中预测错误的结果所对应的电力客户的投诉数据；S7.利用步骤S6得到的训练后的预测模型及各个训练后的预测模型的精度，再次建立多模型加权联合预测模型；S8.重复步骤S4～S7，直至多模型加权联合预测模型的精度满足事先设定的值，从而得到最终的多模型加权联合预测模型；S9.采用步骤S8得到的最终的多模型加权联合预测模型，对电力客户的投诉进行预测。