導(dǎo)語(yǔ)：決策樹算法與電力營(yíng)銷數(shù)據(jù)挖掘探討一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：為了對(duì)電力企業(yè)中不同部門的運(yùn)行數(shù)據(jù)進(jìn)行有效的挖掘，提出利用C5．0決策樹算法對(duì)數(shù)據(jù)進(jìn)行深層次分析，為管理人員提供有價(jià)值的決策支持。首先，對(duì)數(shù)據(jù)挖掘中先進(jìn)的C5．0決策樹算法原理進(jìn)行分析，并通過(guò)引入信息熵對(duì)原有的屬性選擇方式進(jìn)行改進(jìn)，提高了信息增益比率計(jì)算的速度。然后根據(jù)設(shè)計(jì)的售電量關(guān)系模型進(jìn)行對(duì)電廠管理信息系統(tǒng)中的數(shù)據(jù)進(jìn)行挖掘。在UCI機(jī)器學(xué)習(xí)數(shù)據(jù)集和電力營(yíng)銷數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，提出的改進(jìn)C5．0決策樹算法具有良好的分類性能，能夠?qū)κ垭娛袌?chǎng)進(jìn)行快速、準(zhǔn)確的用戶分類，準(zhǔn)確率達(dá)到86．5％。

關(guān)鍵詞：數(shù)據(jù)挖掘；C5．0決策樹；電力營(yíng)銷；信息熵；分類預(yù)測(cè)

隨著我國(guó)信息產(chǎn)業(yè)的爆發(fā)式發(fā)展，各行業(yè)的企業(yè)都開始使用信息集成系統(tǒng)進(jìn)行管理。如何對(duì)所產(chǎn)生的海量數(shù)據(jù)進(jìn)行有效利用成為新時(shí)代人們最關(guān)注的問(wèn)題之一［1］。電力企業(yè)作為直接影響社會(huì)民生的重要部門，在使用管理信息系統(tǒng)的過(guò)程中產(chǎn)生了大量的運(yùn)行狀況和銷售數(shù)據(jù)［2］，電力企業(yè)管理人員迫切需要合理的方式去處理這些海量數(shù)據(jù)，以便獲得有價(jià)值的信息［3］。數(shù)據(jù)挖掘技術(shù)作為計(jì)算機(jī)領(lǐng)域的熱門方向，一直和社會(huì)實(shí)際應(yīng)用緊密結(jié)合。使用合理的數(shù)據(jù)挖掘技術(shù)可以解決電力企業(yè)的數(shù)據(jù)分析問(wèn)題，為管理人員提供有價(jià)值的決策支撐信息，從而提高電網(wǎng)運(yùn)行的可靠性［4］。例如，劉建飛等［5］提出了一種基于電力側(cè)大數(shù)據(jù)挖掘的營(yíng)銷效果評(píng)價(jià)方法，其中使用了C4．5決策樹算法。VictorD等［6］利用BP神經(jīng)網(wǎng)絡(luò)對(duì)電力企業(yè)營(yíng)銷數(shù)據(jù)進(jìn)行快速挖掘。黃文思等提出了一種基于決策樹算法的電力客戶欠費(fèi)風(fēng)險(xiǎn)預(yù)測(cè)。但是，上述方法采用的決策樹算法仍舊是ID3算法以及在其基礎(chǔ)上發(fā)展起來(lái)的C4．5方法。而C5．0決策樹算法作為其后續(xù)的最新版本，綜合性能有了明顯提升。因此，為了對(duì)電力企業(yè)提供更加準(zhǔn)確、有效的營(yíng)銷數(shù)據(jù)決策支撐，本文提出利用C5．0決策樹算法對(duì)電力營(yíng)銷管理系統(tǒng)的營(yíng)銷數(shù)據(jù)進(jìn)行深層次分析。通過(guò)引入信息熵對(duì)原有的C5．0決策樹算法進(jìn)行了改進(jìn)，提高了其分類速度和精度。在UCI機(jī)器學(xué)習(xí)數(shù)據(jù)集和電力營(yíng)銷數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，提出的改進(jìn)C5．0決策樹算法具有良好的分類性能，能夠滿足電力營(yíng)銷工作中的分類預(yù)測(cè)需求。

1C5．0決策樹算法原理

作為從ID3決策樹算法發(fā)展出來(lái)的后續(xù)算法，RossQuinlan提出了C4．5算法能夠?qū)傩砸暈檫B續(xù)型的［7］，并提出了2個(gè)新的屬性：分離信息（SplitInformation）和信息增益率（Informationgainratio），可用于生成多分支決策樹。C5．0算法與C4．5算法的核心是一樣的，但是在內(nèi)存管理等方面做出不少改進(jìn)，更加適合商業(yè)應(yīng)用。1．1分裂屬性的確定本文假設(shè)S表示一個(gè)訓(xùn)練樣本集，其樣本數(shù)量為s個(gè)，包括m個(gè)不同的種類xi（i＝1，2，…，m）。D表示訓(xùn)練樣本集S的一個(gè)屬性且取值范圍為［1，k］。vi表示屬于不同種類xi的樣本總數(shù)。根據(jù)屬性D的不同，能夠?qū)⒂?xùn)練樣本集S區(qū)分成k個(gè)小的子集。si為上述子集中的第i個(gè)子集，i＝1，2，…，k，［Si］表示子集si中的樣本個(gè)數(shù)。首先，信息增益Gain（S，D）的計(jì)算式［8］如式（1）。Gain（S，D）＝I（s1，s2，…，sk）－E（S，D）（1）其中，E（S，D）表示根據(jù)屬性D劃分出的k個(gè)子集的熵加權(quán)和，I（s1，s2，…，sk）則表示訓(xùn)練樣本集S的熵。1．2分裂屬性的確定在分裂屬性的選取過(guò)程中，C5．0決策樹算法會(huì)挑選出具有最高增益比率的屬性，并將其定義成分裂屬性［12］。在確定分裂屬性后，C5．0決策樹算法會(huì)執(zhí)行最佳分割點(diǎn)的確定步驟，組成了決策樹的k個(gè)分枝。當(dāng)最佳分裂屬性是連續(xù)型變量時(shí)，會(huì)利用分箱策略設(shè)置劃分值，從而對(duì)大于該劃分值的樣本進(jìn)行再劃分［13］。在循環(huán)執(zhí)行分裂屬性的確定和最佳分割點(diǎn)的確定后，生成了一棵完整的決策樹。

2改進(jìn)的C5．0決策樹算法

通過(guò)上節(jié)C5．0決策樹算法原理分析，可以看出該決策樹算法需要根據(jù)每一個(gè)屬性在所有結(jié)點(diǎn)上，對(duì)信息的增益比率GainRatio（S，D）進(jìn)行計(jì)算，以便為后續(xù)分裂屬性的確定做支持。但是式（4）中信息增益比率GainRatio（S，D）計(jì)算需要對(duì)數(shù)運(yùn)算，因此計(jì)算時(shí)間較長(zhǎng)且精度不夠理想［14］。因此，本文通過(guò)引入信息熵對(duì)原有的屬性選擇方式進(jìn)行改進(jìn)。假設(shè)正例屬性的個(gè)數(shù)為p，且反例屬性的個(gè)數(shù)為n，則信息量的計(jì)算方式如式（6）從式（13）可以看出，計(jì)算過(guò)程僅包含簡(jiǎn)單的加減和乘除運(yùn)算，大大縮減了計(jì)算時(shí)間。

3改進(jìn)C5．0決策樹在電力營(yíng)銷中的應(yīng)用

3．1數(shù)據(jù)模型設(shè)計(jì)

在將改進(jìn)的C5．0決策樹應(yīng)用于電廠管理信息系統(tǒng)中時(shí)，需要以售電量為中心，構(gòu)建各部門數(shù)據(jù)庫(kù)表格之間的映射關(guān)系，本文構(gòu)建的數(shù)據(jù)模型如圖1所示。

3．2數(shù)據(jù)挖掘流程

改進(jìn)C5．0決策樹在電力營(yíng)銷中的數(shù)據(jù)挖掘流程如圖2所示。

4實(shí)驗(yàn)結(jié)果與分析

4．1實(shí)驗(yàn)環(huán)境

為了對(duì)本文提出的視頻分類方法進(jìn)行分析和驗(yàn)證，進(jìn)行具體實(shí)驗(yàn)。實(shí)驗(yàn)硬件環(huán)境：處理器為IntelCorei72．2GHz，圖形圖像處理設(shè)備為GTX970＠2G顯存，內(nèi)存為8G。實(shí)驗(yàn)軟件環(huán)境：Windows7操作系統(tǒng)、MATLAB7．0仿真軟件。

4．2改進(jìn)算法性能驗(yàn)證

為了驗(yàn)證所提改進(jìn)的C5．0決策樹算法的性能，用UCI機(jī)器學(xué)習(xí)數(shù)據(jù)集［15］進(jìn)行了分類測(cè)試驗(yàn)證。選擇20組小數(shù)據(jù)集，共2400個(gè)樣本進(jìn)行了測(cè)試。訓(xùn)練樣本為隨機(jī)選取的1000個(gè)樣本，其余為測(cè)試樣本。每組實(shí)驗(yàn)重復(fù)10次并去平均值作為最終結(jié)果。標(biāo)準(zhǔn)C5．0決策樹算法和改進(jìn)后C5．0決策樹算法的分類準(zhǔn)確率對(duì)比和時(shí)間對(duì)比分別如圖3、圖4所示。從圖3可以看出，隨著測(cè)試樣本數(shù)量的不斷增多，2種算法分類的準(zhǔn)確率幾乎一致。從圖4可以看出，隨著測(cè)試樣本數(shù)量的不斷增多，2種算法分類的時(shí)間均有所增加，但是改進(jìn)后C5．0決策樹算法所需的時(shí)間明顯更少，分類效率更高。

4．3電力營(yíng)銷應(yīng)用結(jié)果

以某電力企業(yè)的2019年期間營(yíng)銷數(shù)據(jù)為測(cè)試數(shù)據(jù)集，對(duì)改進(jìn)后C5．0決策樹算法進(jìn)行實(shí)際案例分析。該電力營(yíng)銷測(cè)試數(shù)據(jù)集共包括100名不同地區(qū)、不同年齡和不同崗位的用戶用電樣本數(shù)據(jù)。隨機(jī)選取其中50個(gè)樣本作為訓(xùn)練樣本，如表1所示。利用改進(jìn)的C5．0決策樹算法，選擇具有最大信息增益屬性值作為葉節(jié)點(diǎn)，循環(huán)上述決策樹執(zhí)行步驟，最終產(chǎn)生客戶分類決策樹及其分類規(guī)則，然后在電力營(yíng)銷數(shù)據(jù)集的測(cè)試樣本中對(duì)得到的分類決策樹模型進(jìn)行驗(yàn)證。此外，為了對(duì)比分析，還使用了BP神經(jīng)網(wǎng)絡(luò)和ID3．0決策樹分別建立分類模型。各種分類模型結(jié)果比較如表2所示。從表2可以看出，相比于BP神經(jīng)網(wǎng)絡(luò)、ID3．0決策樹，C5．0決策樹和改進(jìn)的C5．0決策樹算法在分類準(zhǔn)確率方面提升較為明顯，C5．0決策樹最優(yōu)（87．6％），改進(jìn)C5．0決策樹算法次之（86．5％）。而在分類效率方面，改進(jìn)C5．0決策樹算法表現(xiàn)較為突出，僅需1．86s。綜合來(lái)看，改進(jìn)C5．0決策樹算法在客戶及時(shí)準(zhǔn)確分類應(yīng)用中具有最佳的綜合分類性能，可以有效滿足實(shí)際的電力營(yíng)銷工作需要。

5總結(jié)

本文提出了一種基于改進(jìn)C5．0決策樹算法的電力營(yíng)銷數(shù)據(jù)挖掘技術(shù)。通過(guò)引入信息熵對(duì)原有的屬性選擇方式進(jìn)行改進(jìn)，提高了信息增益比率計(jì)算的速度。此外，根據(jù)設(shè)計(jì)的售電量關(guān)系模型進(jìn)行對(duì)電廠管理信息系統(tǒng)中的數(shù)據(jù)進(jìn)行挖掘。數(shù)據(jù)集和實(shí)際案例應(yīng)用結(jié)果均驗(yàn)證了提出改進(jìn)算法的有效性和可行性。但是電力營(yíng)銷訓(xùn)練和測(cè)試樣本集中用戶屬性的數(shù)量（維度）較少，后續(xù)將考慮增加更多的屬性，來(lái)進(jìn)一步驗(yàn)證C5．0決策樹算法的性能。

作者：卜曉陽(yáng) 蔡巖 王宗偉 趙郭燚 單位：國(guó)家電網(wǎng)公司 河北師范大學(xué)