《表3 载体孔结构性质：一种基于SMOTE和XGBoost的窃电检测方案》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于SMOTE和XGBoost的窃电检测方案》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对图3所构造的检测流程进行测试以集成多个数据源特征。图7给出了这3个模型的精确率、召回率和F1得分。可以看出，模型训练中，随着基础特征、周期特征、统计特征的集成，各项指标不断提升。这种改进的结果是由于检测器已成功学习了用户用电模式，从而进一步提高了检测性能。因此，本文构造的特征能够准确反映用户的用电特征，对于窃电检测精度的提升具有重要意义。并且由表3可知，对比以往深度学习方案，本文的优势明显。