基于Bagging集成学习方法的用电异常检测方法研究

Research on electricity theft detection method based on Bagging ensemble learning

面对日益增长的用电异常行为及其带来的挑战,特别是在处理具有明显类别不平衡特征的数据集时,提出了一种基于Bagging集成学习方法的用电异常检测方法。该方法通过整合多种不同的子学习器,包括支持向量机、K最近邻、人工神经网络以及梯度提升决策树,并采用多数投票法作为决策合成的基础,有效地增强了模型的预测能力。实验结果显示,相较于任意单一模型,所提出的集成模型在准确率、召回率以及曲线下面积值等关键性能指标上都有显著提升,其中在曲线下面积值上达到了卓越的0.960,证明了该方法在用电异常检测领域的有效性和优越性。