智慧能源：第三章 无监督学习.pdfVIP

无监督学习—Clustering

AssociationRule

背景

能源系统运行过程中会产生海量的数据

传感器

数据信息

控制策略

设备信号

运行状态

用能水平

运维日志运维日志人员行为人员行为

数据特点数据特点：变变量种类多种类多、数据体数据体量大大、价值密度低价值密度低、数据标签稀缺数据标签稀缺

如何从繁杂的数据中提取有用的信息？

2

背景

数据挖掘技术被认为是解决这一问题的方法

HVACsystemoperationdataDatamining

高价值数据

3

背景

无监督学习算法是常用的数据挖掘方法：

无监督学习：样本的标记信息未知，通过对样本的学习来揭示数据的内在性质和规

律的过程

对数据做进

一步分析

有价值知识

4

背景

无监督学习算法典型能源应用场景:

5

背景

无监督学习的一般流程:

1.数据预处理

2.无监督数据挖掘

3.知识后挖掘

•数据清洗•知识筛选

•聚类

••缺失值填充缺失值填充••可视化可视化

•关联规则挖掘

•数据转换•知识解释

•…

•…•…

原始数据原始数据数据预处理数据预处理无监督数据挖掘无监督数据挖掘知识后知识后挖掘挖掘

6

提纲

背景

聚类

定义与基本原理

原型聚类（以k-mean