基于营销大数据的电力客户多维度信用评价模型研究

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.

关键词：客户信用评价、极限梯度提升、树模型、集成学习

所属期刊栏目：44

分类号：TM734;F407.61(输配电工程、电力网及电力系统)

资助基金：五凌电力有限公司综合智慧能源业务;数字化科学技术研究项目

在线出版日期：2022-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：198-208