摘要：事故预测需要获取有意义和可靠的信息，大量原始信息流必须在危机期间进行分析和处理。时间维度事故分析通过时间维度日期和时间的事故分析，我们可以洞察到不同类型的事故发生的高峰时间和高发月份，从而进行有效预防。结果模型预测精度精度达到。
“
原文链接
针对当前生产和生活中面临的安全事故问题,利用当前发展迅速的DM(Data Mining)技术,通过对事故信息的多维度分析，实现监测系统的事故预测,提高了监测系统的性能,形成安全预警机制。
▼
事故预测需要获取有意义和可靠的信息，大量原始信息流必须在危机期间进行分析和处理。
基于以上背景，tecdat研究人员重点关注事故情报数据的收集并分析相关信息，通过对时间、地点、语义等不同维度的分析得到有价值的信息，并且尝试通过机器学习方法对事故发生进行预测。
▍时间维度事故分析
通过时间维度（日期和时间）的事故分析，我们可以洞察到不同类型的事故发生的高峰时间和高发月份，从而进行有效预防。
通过对结果的可视化，可以发现不同时间和月份的事故发生率有一定的差异，因此在后续的预测模型中可以构建相应的时间伪变量从而提高精度。
▍不同事故类型
通过对所有事故数据类型的占比分析，我们可以发现出行的事故发生率是最高的，也远远高于其他类型，其次是触电事故等。（注：部分事故重属多个类型）
▍事故报告语义分析
通过对事故报告的语义分析，我们可以发现报告中频繁出现的关键词，从中洞察到某类事故发生后通常会关联到哪些关键词，分析其背后的原因，从而进行有效的预防。
▍安全事故预测模型
在获得事故的不同维度基本特征之后，我们通过SVM算法使用这些特征来预测不同类型的事故发生的可能性，采取有针对性的措施，避免未知事故发生带来的损失，达到补救的效果。
▍技术
SVM(Support Vector Machine)用于构建、验证和测试数据集的模型。
在Spark / MLLib / Scikit-Learn / HDFS中重构实现处理较大的数据集。
▍结果
模型预测精度精度达到82.5%。
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/91952.html
摘要：事故预测需要获取有意义和可靠的信息，大量原始信息流必须在危机期间进行分析和处理。时间维度事故分析通过时间维度日期和时间的事故分析，我们可以洞察到不同类型的事故发生的高峰时间和高发月份，从而进行有效预防。结果模型预测精度精度达到。 showImg(https://segmentfault.com/img/bVVkhf?w=829&h=431); 原文链接 针对当前生产和生活中面临的安全...
摘要：事故预测需要获取有意义和可靠的信息，大量原始信息流必须在危机期间进行分析和处理。时间维度事故分析通过时间维度日期和时间的事故分析，我们可以洞察到不同类型的事故发生的高峰时间和高发月份，从而进行有效预防。结果模型预测精度精度达到。 showImg(https://segmentfault.com/img/bVVkhf?w=829&h=431); 原文链接 针对当前生产和生活中面临的安全...
摘要：基于以上背景，研究人员对年至今的电信用户流失数据进行分析，并建立预测模型，识别出流失概率很高的客户群体，同时找出哪些用户特征对用户流失会有重大影响。 showImg(https://segmentfault.com/img/bVUMPC?w=747&h=384); 原文链接 消费者今天会订阅多个电信服务（电视、付费节目、游戏等）。然而电信供应商提供的服务的差异化程度不高，客户忠诚度成为...
摘要：基于以上背景，研究人员对年至今的电信用户流失数据进行分析，并建立预测模型，识别出流失概率很高的客户群体，同时找出哪些用户特征对用户流失会有重大影响。 showImg(https://segmentfault.com/img/bVUMPC?w=747&h=384); 原文链接 消费者今天会订阅多个电信服务（电视、付费节目、游戏等）。然而电信供应商提供的服务的差异化程度不高，客户忠诚度成为...
阅读 1057·2021-11-22 09:34
阅读 1932·2021-10-08 10:18
阅读 1545·2021-09-29 09:35
阅读 2249·2019-08-29 17:20
阅读 1972·2019-08-29 15:36
阅读 3242·2019-08-29 13:52
阅读 628·2019-08-29 12:29
阅读 1051·2019-08-28 18:10
