基于特征选择改进LR-Bagging算法的电力欠费风险居民客户预测

• 作者: 吴漾 朱州
• 来源期刊: 电子产品世界
• 关键词: LR分类器 Bagging集成学习 特征选择 AUC
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 设计应用
• 页码范围: 70-75
• 页数: 6页
• 字数: 7035字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-5517.2017.3.019

摘要

本文从电力欠费风险预测的角度出发,提出了一种基于特征选择改进的LR-Bagging(即以逻辑回归为基分类器的Bagging集成学习)算法,其精髓在于每一个训练的LR基分类器的记录和字段均通过随机抽样得到.且算法的终止迭代准则由AUC统计量的变化率决定.该改进算法充分考虑了LR的强泛化能力、Bagging的高精确度,以及特征选择带来的LR基分类器的多样性、弱化的多重共线性与"过拟合"度,效果优于单一LR模型.且最终的实验表明,该改进算法得到的电力欠费居民客户风险预测模型的准确性与有效性得到提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱州	贵州电网有限责任公司信息中心	7	18	2.0	4.0
2	吴漾	贵州电网有限责任公司信息中心	6	18	2.0	4.0