凌衛(wèi)家　施永益　夏洪濤　吳尚遠(yuǎn)　趙燕波

摘 要：隨著電網(wǎng)信息化和電力公司營(yíng)銷數(shù)據(jù)分析的發(fā)展，各級(jí)電力公司越來越多地對(duì)基于量化分析方法的電費(fèi)風(fēng)險(xiǎn)預(yù)測(cè)研究產(chǎn)生興趣，并取得了不少進(jìn)展。在這一研究領(lǐng)域內(nèi)，較多的關(guān)注點(diǎn)集中在預(yù)測(cè)模型的選擇應(yīng)用，而事實(shí)上，電費(fèi)風(fēng)險(xiǎn)數(shù)據(jù)的一個(gè)重要特點(diǎn)是其不平衡性。本文致力于對(duì)電費(fèi)風(fēng)險(xiǎn)預(yù)測(cè)中的不平衡數(shù)據(jù)問題進(jìn)行研究，嘗試比較幾種處理方法，并基于某電力公司實(shí)際案例，進(jìn)行試驗(yàn)比較。

關(guān)鍵詞：風(fēng)險(xiǎn)預(yù)測(cè) 分類 電費(fèi) 不平衡數(shù)據(jù)

電力營(yíng)銷是電力供應(yīng)與需求兩側(cè)的直接銜接環(huán)節(jié)，也成為電力數(shù)據(jù)分析應(yīng)用最為豐富的一類業(yè)務(wù)。作為電力公司主營(yíng)業(yè)務(wù)收入來源，電費(fèi)回收及時(shí)性直接關(guān)系到公司的生存和發(fā)展。因此，對(duì)電費(fèi)回收進(jìn)行精益化的管理也是電力公司一直關(guān)注的重點(diǎn)之一。近年來，各級(jí)電力公司開展了很多基于數(shù)據(jù)挖掘分析的電費(fèi)回收管理研究與實(shí)踐，致力于對(duì)風(fēng)險(xiǎn)管理的方法和預(yù)測(cè)模型的探討。本文所屬的研究正是對(duì)電力大用戶的電費(fèi)欠費(fèi)風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)，采用統(tǒng)計(jì)分析軟件SAS和數(shù)據(jù)挖掘軟件WEKA進(jìn)行數(shù)據(jù)處理、分析、挖掘，在研究過程中發(fā)現(xiàn)，電力用戶的繳費(fèi)數(shù)據(jù)是典型的高度不平衡數(shù)據(jù)：其中的欠費(fèi)發(fā)生比例不超過3%。因此著重于探討電費(fèi)風(fēng)險(xiǎn)預(yù)測(cè)中的不平衡數(shù)據(jù)問題。

一、不平衡數(shù)據(jù)處理原理

不平衡數(shù)據(jù)問題是發(fā)生在二分類或多分類問題上的不同類之間樣本大小不均衡現(xiàn)象。通常的分類問題，各類樣本量大小不會(huì)嚴(yán)格相同，但小的差異不會(huì)對(duì)分類效果評(píng)估造成問題，但當(dāng)數(shù)據(jù)不平衡明顯，通常是達(dá)到4：1時(shí)，便可能導(dǎo)致結(jié)果誤差。由此，產(chǎn)生了不平衡數(shù)據(jù)分類問題及相應(yīng)的處理方法。鑒于課題研究的電費(fèi)風(fēng)險(xiǎn)預(yù)測(cè)是一個(gè)二分類問題，本文所討論的是二分類設(shè)定下的不平衡數(shù)據(jù)分類問題，基本工具是混淆矩陣，如表 1所示。

二、電費(fèi)風(fēng)險(xiǎn)預(yù)測(cè)中不平衡分類問題的處理

本文基于某電力公司的電費(fèi)風(fēng)險(xiǎn)預(yù)測(cè)，建立業(yè)務(wù)邏輯、獲取并清洗的數(shù)據(jù)，通過處理和選擇的變量，進(jìn)行不平衡數(shù)據(jù)分類問題試驗(yàn)。試驗(yàn)中采用SMOTE過采樣方法，Boosting算法、以及基于邏輯回歸的集成算法LogitBoost方法[15]。其中的弱分類器，采用決策樹、支持向量機(jī)（Support Vector Machine， SVM）、邏輯回歸等不同方法。使用不同的采樣策略、不同集成算法、不同弱分類算法和不同測(cè)試方法的組合進(jìn)行試驗(yàn)。結(jié)果如表 2所示。

2.在采樣后欠費(fèi)vs不欠費(fèi)占比接近1：2

3.訓(xùn)練集拆分66%，剩余的為測(cè)試集

4.基于訓(xùn)練集的交叉驗(yàn)證。使用邏輯回歸模型，命中率較高而覆蓋率較低，且試驗(yàn)1、2和3的表現(xiàn)未存在明顯差異，說明邏輯回歸未存在明顯的過擬合現(xiàn)象。應(yīng)用第一種SMOTE采樣（采樣后欠費(fèi)vs不欠費(fèi)占比接近1：1）后再構(gòu)建邏輯回歸模型，使用新數(shù)據(jù)集測(cè)試（試驗(yàn)6）與另外兩種測(cè)試方法（試驗(yàn)4、5）之間存在極為明顯的差異。應(yīng)用SMOTE-BOOSTING-SVM 方法后，過適應(yīng)現(xiàn)象并未有明顯改善；與未采用集成算法的邏輯回歸和LibSVM相比，預(yù)測(cè)結(jié)果對(duì)覆蓋率較高而命中率較低的傾向性減弱，F(xiàn)-score有明顯的改善。采用SMOTE-LOGITBOOST方法后，過適應(yīng)現(xiàn)象仍未有明顯改善；與未采用集成算法的邏輯回歸和LibSVM相比，預(yù)測(cè)結(jié)果對(duì)覆蓋率較高而命中率較低的傾向性減弱，F(xiàn)-score有改善但不及SMOTE-BOOSTING-SVM方法。

三、結(jié)語

模型測(cè)試試驗(yàn)說明，應(yīng)用采樣方法和不同的算法模型未能解決模型的過適應(yīng)現(xiàn)象，但能夠在要求改善覆蓋率或命中率的具體場(chǎng)景下發(fā)揮作用，且SMOTE-BOOSTING-SVM方案對(duì)覆蓋率和命中率的總體表現(xiàn)（F-Score）有明顯改善。因此需要在實(shí)際應(yīng)用時(shí)根據(jù)具體需求，選擇較為適用的評(píng)估指標(biāo)。對(duì)本次不平衡問題研究中總結(jié)如下：

1.本次研究將選用邏輯回歸模型，在實(shí)際應(yīng)用中根據(jù)業(yè)務(wù)的需要對(duì)閾值進(jìn)行調(diào)節(jié)，從而獲得針對(duì)具體需要的命中率和覆蓋率，這是更為有效的方法。同時(shí)，從監(jiān)測(cè)功能出發(fā)，對(duì)命中率的關(guān)注更甚于覆蓋率，因此從這個(gè)角度，邏輯回歸模型也是較好的選擇。

2.若應(yīng)用于營(yíng)銷業(yè)務(wù)中，有更關(guān)注覆蓋率的需求，則可引入SMOTE采樣處理。

3.在后續(xù)的研究中，隨著國(guó)網(wǎng)公司數(shù)據(jù)管理水平的提高，數(shù)據(jù)質(zhì)量和完備性的提高，應(yīng)致力于通過更為完備的數(shù)據(jù)準(zhǔn)備和更為全面的業(yè)務(wù)邏輯，來構(gòu)建適應(yīng)性更廣的模型。

4.隨著全社會(huì)數(shù)據(jù)化程度的提高，尤其是數(shù)據(jù)共享程度的提高，后續(xù)將關(guān)注企業(yè)征信數(shù)據(jù)的可獲取性，以期將其納入預(yù)測(cè)模型，構(gòu)建更為有效的模型。

參考文獻(xiàn)：

[1]黃文思等. 基于決策樹算法的電力客戶欠費(fèi)風(fēng)險(xiǎn)預(yù)測(cè)[J]. 電力信息與通信技術(shù)， 2016， 14（1）：19-22.

[2]王宇哲等. 基于BP神經(jīng)網(wǎng)絡(luò)電力大客戶信用等級(jí)評(píng)價(jià)研究[J]. 電力需求側(cè)管理， 2015， 17（5）：49-53.

[3]楊帆等. 基于博弈論的電費(fèi)回收風(fēng)險(xiǎn)分析[J]， 湖北電力， 2012， 36（6）：76-78.

[4]陳靚等. 基于支持向量機(jī)的電費(fèi)信用評(píng)估模型[J]. 電力信息化， 2008， 6（10）：75-78

[5]Gary M Weiss， Foster Provost. Learning When Training Data are Costly： The Effect of Class Distribution on Tree Induction[J]. Journal of Artificial Intelligence Research 19（2003） 315-354.

[6]楊明等. 不平衡數(shù)據(jù)分類方法綜述[J]. 南京師范大學(xué)學(xué)報(bào)（工程技術(shù)版）. 2008， 8（4）：7-12.