科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着电网客户量的迅速增长，如何对电力客户进行准确的信用评价成为了一个重要问题，构建一个可以准确预测客户信用的模型是电力营销部门需要解决的关键问题.本文通过对已知信用评价模型的研究，结合集成学习思想，构建了一种基于XGB算法的客户多维信用评价模型，该模型通过采用多维度的营销数据，并基于特征重要度方法进行特征选择，采用极限梯度提升方法以及树模型对客户信用进行模型构建，计算不同节点上不同的增益值来获取最佳的预测效果，从而构建一个准确、稳定的客户信用评价模型.在经过客户历史数据进行模拟分析后，得出了客户信用评价结果，并与目前主流的机器学习算法包括基于梯度下降算法与基于树的传统算法进行比较，结果表明，与Logistic回归和其他3种基于树的模型相比，XGB模型不论是特征选择的准确性还是其分类性能都具有明显的优势.
-
单位国网安徽省电力有限公司
