天天看點
傳回

實戰-電力竊露漏電使用者自動識别

問題描述：判斷使用者是否竊漏電

問題解決：二分類問題

缺失值：拉格朗日插值法進行填充

使用的特征：電量趨勢下降名額、線損名額、警告類名額

這裡使用的資料來<python資料分析與實戰第六章>

資料：

實戰-電力竊露漏電使用者自動識别

代碼實作：

1、加載資料

import pandas as pd
from random import shuffle

datafile = path + 'chapter6/model.xls'
data = pd.read_excel(datafile)

複制

2、劃分訓練集和測試集

#data = data.as_matrix() 舊版本的pandas是這麼使用的，将dataframe轉換為矩陣
data = data.iloc[:,:].values #新版本這麼使用
shuffle(data)

p = 0.8 #設定訓練資料比例
train = data[:int(len(data)*p),:]
test = data[int(len(data)*p):,:]

複制

3、使用keras定義模型

from keras.models import Sequential #導入神經網絡初始化函數
from keras.layers.core import Dense, Activation #導入神經網絡層函數、激活函數

netfile = path + 'chapter6/net.model' #建構的神經網絡模型存儲路徑

net = Sequential() #建立神經網絡
net.add(Dense(3, 10)) #添加輸入層（3節點）到隐藏層（10節點）的連接配接
net.add(Activation('relu')) #隐藏層使用relu激活函數
net.add(Dense(10, 1)) #添加隐藏層（10節點）到輸出層（1節點）的連接配接
net.add(Activation('sigmoid')) #輸出層使用sigmoid激活函數
net.compile(loss = 'binary_crossentropy', optimizer = 'adam', class_mode = "binary") #編譯模型，使用adam方法求解

net.fit(train[:,:3], train[:,3], nb_epoch=100, batch_size=1) #訓練模型，循環100次
net.save_weights(netfile) #儲存模型

複制

由于keras版本導緻的錯誤：

常見錯誤（均是因為keras版本改動）

  • TypeError:

    Dense

     can accept only 1 positional arguments ('units',), but you passed the following positional arguments: [23, 34]
  • 解決方法：在Dense中寫好參數名稱改為Dense(input_dim=23,units=34)
  • ValueError: ('Some keys in session_kwargs are not supported at this time: %s', dict_keys(['class_mode']))

解決方法：模型編譯代碼中去掉class_mode這一屬性

  • UserWarning: The

    nb_epoch

     argument in

    fit

     has been renamed

    epochs

    解決方法：

    修改代碼中的“nb_epoch”為“epochs”即可

修改後的代碼：

from keras.models import Sequential #導入神經網絡初始化函數
from keras.layers.core import Dense, Activation #導入神經網絡層函數、激活函數

netfile = path + 'chapter6/net.model' #建構的神經網絡模型存儲路徑

net = Sequential() #建立神經網絡
net.add(Dense(input_dim=3, units=10)) #添加輸入層（3節點）到隐藏層（10節點）的連接配接
net.add(Activation('relu')) #隐藏層使用relu激活函數
net.add(Dense(input_dim=10, units=1)) #添加隐藏層（10節點）到輸出層（1節點）的連接配接
net.add(Activation('sigmoid')) #輸出層使用sigmoid激活函數
net.compile(loss = 'binary_crossentropy', optimizer = 'adam') #編譯模型，使用adam方法求解

net.fit(train[:,:3], train[:,3], epochs=100, batch_size=1) #訓練模型，循環100次
net.save_weights(netfile) #儲存模型

複制

部分結果：

Epoch 97/100
232/232 [==============================] - 1s 3ms/step - loss: 0.3171
Epoch 98/100
232/232 [==============================] - 1s 3ms/step - loss: 0.3196
Epoch 99/100
232/232 [==============================] - 1s 3ms/step - loss: 0.3194
Epoch 100/100
232/232 [==============================] - 1s 3ms/step - loss: 0.3144

複制

我們也可以訓練時加入更多的評價名額：（二分類名額）

具體的評價名額的使用可參考文檔：

https://keras.io/api/metrics/classification_metrics/#precision-class

import tensorflow as tf
import numpy as np
#精确率評價名額
from keras.models import Sequential #導入神經網絡初始化函數
from keras.layers.core import Dense, Activation #導入神經網絡層函數、激活函數

netfile = path + 'chapter6/net.model' #建構的神經網絡模型存儲路徑

net = Sequential() #建立神經網絡
net.add(Dense(input_dim=3, units=10)) #添加輸入層（3節點）到隐藏層（10節點）的連接配接
net.add(Activation('relu')) #隐藏層使用relu激活函數
net.add(Dense(input_dim=10, units=1)) #添加隐藏層（10節點）到輸出層（1節點）的連接配接
net.add(Activation('sigmoid')) #輸出層使用sigmoid激活函數

net.compile(loss = 'binary_crossentropy', optimizer = 'adam', 
            metrics=['accuracy',
            tf.keras.metrics.Precision(),
            tf.keras.metrics.Recall()]) #編譯模型，使用adam方法求解

net.fit(train[:,:3], train[:,3], epochs=100, batch_size=1) #訓練模型，循環1000次
net.save_weights(netfile) #儲存模型

複制

部分結果：

Epoch 97/100
232/232 [==============================] - 1s 4ms/step - loss: 0.1729 - accuracy: 0.9526 - precision: 0.8902 - recall: 0.8770
Epoch 98/100
232/232 [==============================] - 1s 4ms/step - loss: 0.1740 - accuracy: 0.9526 - precision: 0.8908 - recall: 0.8774
Epoch 99/100
232/232 [==============================] - 1s 4ms/step - loss: 0.1693 - accuracy: 0.9569 - precision: 0.8910 - recall: 0.8780
Epoch 100/100
232/232 [==============================] - 1s 4ms/step - loss: 0.1750 - accuracy: 0.9526 - precision: 0.8915 - recall: 0.8783

複制

對模型進行驗證：

scores = net.evaluate(test[:,:3], test[:,3], verbose=0)
for i in range(1,len(net.metrics_names)):
  print("%s: %.2f%%" % (net.metrics_names[i], scores[i]*100)) # 列印出驗證集準确率

複制

accuracy: 88.14%

precision: 89.14%

recall: 87.85%

使用模型進行預測：這裡注意有兩個api，一個得到的是機率值，另一個得到的是類别：

使用predict()得到的是機率值：這裡将其用round進行四舍五入後進行展開。

predict_result = tf.round(net.predict(test[:,:3]).reshape(len(test)))
with tf.Session() as sess:
  print(predict_result.eval())

複制

[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 1. 0. 0. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 1. 0. 0. 1. 0. 0. 1. 1. 1. 1. 0. 0. 1. 1. 0. 0. 0. 0. 0. 0. 1. 0. 0. 0. 1. 0. 0. 0.]

使用predict_classes()得到的是類别：

predict_result2 = net.predict_classes(test[:,:3]).reshape(len(test))
predict_result2

複制

array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 1, 0, 0, 1, 1, 1, 1, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0], dtype=int32)

列印一下真實的标簽：

y_true = np.array(test[:,3])

複制

array([0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 1, 0, 0, 1, 0, 1, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

4、評價名額的計算方式以及混淆矩陣

我們可以直接通過sklearn api來計算評價名額：

from sklearn.metrics import classification_report
target_names = ['no','yes']
print(classification_report(test[:,3],predict_result2,target_names=target_names))

複制

結果：

precision    recall  f1-score   support

          no       0.98      0.88      0.93        50
         yes       0.57      0.89      0.70         9

    accuracy                           0.88        59
   macro avg       0.77      0.88      0.81        59
weighted avg       0.92      0.88      0.89        59

複制

或者我們可以通過混淆矩陣自己來計算：首先是獲得混淆矩陣

from sklearn.metrics import confusion_matrix
cnf_matrix = confusion_matrix(test[:,3], predict_result2)
print(cnf_matrix)

複制

#行、列的索引就是标簽id，這裡有兩類，用0,1,表示
[[44  6]
 [ 1  8]]

複制

混淆矩陣中的四個值分别代表TP、FP、TN、PN

根據混淆矩陣，我們可以計算二分類評價名額：（标簽為1的是正樣本，是以TP是[1][1]）

TP=cnf_matrix[1][1] #預測為正的真實标簽為正
FP=cnf_matrix[0][1] #預測為正的真實标簽為負
FN=cnf_matrix[1][0] #預測為負的真實标簽為正
TN=cnf_matrix[0][0] #預測為負的真實标簽為負
accuracy=(TP+TN)/(TP+FP+FN+TN)
precision=TP/(TP+FP)
recall=TP/(TP+FN)
f1score=2 * precision * recall/(precision + recall)
print(accuracy,precision,recall,f1score)

複制

0.8813559322033898 0.5714285714285714 0.8888888888888888 0.6956521739130435

這也上面api計算的yes的評價名額的值一緻。

5、繪制混淆矩陣

import matplotlib.pyplot as plt 
%matplotlib inline
def cm_plot(y, yp, labels_name):
  
  from sklearn.metrics import confusion_matrix #導入混淆矩陣函數

  cm = confusion_matrix(y, yp) #混淆矩陣
  
  plt.matshow(cm, cmap=plt.cm.Greens) #畫混淆矩陣圖，配色風格使用cm.Greens，更多風格請參考官網。
  plt.colorbar() #顔色标簽
  num_local = np.array(range(len(labels_name))) 
  plt.xticks(num_local, labels_name)    # 将标簽印在x軸坐标上
  plt.yticks(num_local, labels_name)    # 将标簽印在y軸坐标上

  for x in range(len(cm)): #資料标簽
    for y in range(len(cm)):
      plt.annotate(cm[x,y], xy=(x, y), horizontalalignment='center', verticalalignment='center')

  plt.ylabel('True label') #坐标軸标簽
  plt.xlabel('Predicted label') #坐标軸标簽
  return plt
cm_plot(test[:,3],predict_result2,['no', 'yes']).show()

複制

實戰-電力竊露漏電使用者自動識别

6、二分類其他評價名額（這兩個我重新在colab上運作的，是以資料和上面不一樣）

ROC曲線：

橫坐标：假正率（False positive rate， FPR），預測為正但實際為負的樣本占所有負例樣本的比例；

FPR = FP / ( FP +TN)

縱坐标：真正率（True positive rate， TPR），這個其實就是召回率，預測為正且實際為正的樣本占所有正例樣本的比例。

TPR = TP / ( TP+ FN)

AUC：就是roc曲線和橫坐标圍城的面積。

如何繪制？

對于二值分類問題，執行個體的值往往是連續值，通過設定一個門檻值，将執行個體分類到正類或者負類（比如大于門檻值劃分為正類）。上述中我們直接利用四舍五入來區分正類和負類。是以，可以變化門檻值，根據不同的門檻值進行分類，根據分類結果計算得到ROC空間中相應的點，連接配接這些點就形成ROC curve。ROC curve經過(0,0) (1,1)，實際上(0,0)和(1,1)連線形成的ROC curve實際上代表的是一個随機分類器。一般情況下，這個曲線都應該處于(0,0)和(1,1)連線的上方，

代碼實作：

from sklearn.metrics import roc_curve, auc
# 為每個類别計算ROC曲線和AUC
predict_res=net.predict(test[:,:3]).reshape(len(test))
fpr,tpr,threholds=roc_curve(test[:,3],predict_res,pos_label=1)
roc_auc=auc(fpr,tpr)
plt.plot(fpr,tpr,linewidth=2, label='ROC curve (area = %0.2f)' % roc_auc)
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver operating characteristic example')
plt.legend(loc="lower right")
plt.show()

複制

實戰-電力竊露漏電使用者自動識别

繪制Precision-Recall曲線：

from sklearn.metrics import precision_recall_curve
from sklearn.metrics import average_precision_score
precision,recall,_ = precision_recall_curve(test[:,3],predict_res,pos_label=1)
average_precision = average_precision_score(test[:,3],predict_res,pos_label=1)
plt.plot(recall, precision,label='Precision-recall curve of class (area = {1:0.2f})'.format(i, average_precision))
plt.xlabel('Recall', fontsize=16)
plt.ylabel('Precision',fontsize=16)
plt.title('Extension of Precision-Recall curve to 2-class',fontsize=16)
plt.legend(loc="upper right")#legend 是用于設定圖例的函數
plt.show()

複制

實戰-電力竊露漏電使用者自動識别

關于二分類評價名額網上已經有很多講解的很清楚的了，就不仔細講了，還是注重實際的代碼。本來是應該對比不同的模型的，結果搞成了講解二分類名額了。。。

參考：

《python資料分析與挖掘實戰》

https://www.cnblogs.com/liweiwei1419/p/9870034.html

https://blog.csdn.net/weixin_39541558/article/details/82708832

上一篇: 《搜尋和推薦中的深度比對》——1.1搜尋和推薦
下一篇: WordPress縮略圖報錯提示：A TimThumb error has occured(附解決方法)