資訊專欄INFORMATION COLUMN
摘要：事故預(yù)測(cè)需要獲取有意義和可靠的信息，大量原始信息流必須在危機(jī)期間進(jìn)行分析和處理。時(shí)間維度事故分析通過(guò)時(shí)間維度日期和時(shí)間的事故分析，我們可以洞察到不同類型的事故發(fā)生的高峰時(shí)間和高發(fā)月份，從而進(jìn)行有效預(yù)防。結(jié)果模型預(yù)測(cè)精度精度達(dá)到。
“
原文鏈接
針對(duì)當(dāng)前生產(chǎn)和生活中面臨的安全事故問(wèn)題,利用當(dāng)前發(fā)展迅速的DM(Data Mining)技術(shù),通過(guò)對(duì)事故信息的多維度分析，實(shí)現(xiàn)監(jiān)測(cè)系統(tǒng)的事故預(yù)測(cè),提高了監(jiān)測(cè)系統(tǒng)的性能,形成安全預(yù)警機(jī)制。
▼
事故預(yù)測(cè)需要獲取有意義和可靠的信息，大量原始信息流必須在危機(jī)期間進(jìn)行分析和處理。
基于以上背景，tecdat研究人員重點(diǎn)關(guān)注事故情報(bào)數(shù)據(jù)的收集并分析相關(guān)信息，通過(guò)對(duì)時(shí)間、地點(diǎn)、語(yǔ)義等不同維度的分析得到有價(jià)值的信息，并且嘗試通過(guò)機(jī)器學(xué)習(xí)方法對(duì)事故發(fā)生進(jìn)行預(yù)測(cè)。
▍時(shí)間維度事故分析
通過(guò)時(shí)間維度（日期和時(shí)間）的事故分析，我們可以洞察到不同類型的事故發(fā)生的高峰時(shí)間和高發(fā)月份，從而進(jìn)行有效預(yù)防。
通過(guò)對(duì)結(jié)果的可視化，可以發(fā)現(xiàn)不同時(shí)間和月份的事故發(fā)生率有一定的差異，因此在后續(xù)的預(yù)測(cè)模型中可以構(gòu)建相應(yīng)的時(shí)間偽變量從而提高精度。
▍不同事故類型
通過(guò)對(duì)所有事故數(shù)據(jù)類型的占比分析，我們可以發(fā)現(xiàn)出行的事故發(fā)生率是最高的，也遠(yuǎn)遠(yuǎn)高于其他類型，其次是觸電事故等。（注：部分事故重屬多個(gè)類型）
▍事故報(bào)告語(yǔ)義分析
通過(guò)對(duì)事故報(bào)告的語(yǔ)義分析，我們可以發(fā)現(xiàn)報(bào)告中頻繁出現(xiàn)的關(guān)鍵詞，從中洞察到某類事故發(fā)生后通常會(huì)關(guān)聯(lián)到哪些關(guān)鍵詞，分析其背后的原因，從而進(jìn)行有效的預(yù)防。
▍安全事故預(yù)測(cè)模型
在獲得事故的不同維度基本特征之后，我們通過(guò)SVM算法使用這些特征來(lái)預(yù)測(cè)不同類型的事故發(fā)生的可能性，采取有針對(duì)性的措施，避免未知事故發(fā)生帶來(lái)的損失，達(dá)到補(bǔ)救的效果。
▍技術(shù)
SVM(Support Vector Machine)用于構(gòu)建、驗(yàn)證和測(cè)試數(shù)據(jù)集的模型。
在Spark / MLLib / Scikit-Learn / HDFS中重構(gòu)實(shí)現(xiàn)處理較大的數(shù)據(jù)集。
▍結(jié)果
模型預(yù)測(cè)精度精度達(dá)到82.5%。
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://m.specialneedsforspecialkids.com/yun/91952.html
摘要：事故預(yù)測(cè)需要獲取有意義和可靠的信息，大量原始信息流必須在危機(jī)期間進(jìn)行分析和處理。時(shí)間維度事故分析通過(guò)時(shí)間維度日期和時(shí)間的事故分析，我們可以洞察到不同類型的事故發(fā)生的高峰時(shí)間和高發(fā)月份，從而進(jìn)行有效預(yù)防。結(jié)果模型預(yù)測(cè)精度精度達(dá)到。 showImg(https://segmentfault.com/img/bVVkhf?w=829&h=431); 原文鏈接 針對(duì)當(dāng)前生產(chǎn)和生活中面臨的安全...
摘要：事故預(yù)測(cè)需要獲取有意義和可靠的信息，大量原始信息流必須在危機(jī)期間進(jìn)行分析和處理。時(shí)間維度事故分析通過(guò)時(shí)間維度日期和時(shí)間的事故分析，我們可以洞察到不同類型的事故發(fā)生的高峰時(shí)間和高發(fā)月份，從而進(jìn)行有效預(yù)防。結(jié)果模型預(yù)測(cè)精度精度達(dá)到。 showImg(https://segmentfault.com/img/bVVkhf?w=829&h=431); 原文鏈接 針對(duì)當(dāng)前生產(chǎn)和生活中面臨的安全...
摘要：基于以上背景，研究人員對(duì)年至今的電信用戶流失數(shù)據(jù)進(jìn)行分析，并建立預(yù)測(cè)模型，識(shí)別出流失概率很高的客戶群體，同時(shí)找出哪些用戶特征對(duì)用戶流失會(huì)有重大影響。 showImg(https://segmentfault.com/img/bVUMPC?w=747&h=384); 原文鏈接 消費(fèi)者今天會(huì)訂閱多個(gè)電信服務(wù)（電視、付費(fèi)節(jié)目、游戲等）。然而電信供應(yīng)商提供的服務(wù)的差異化程度不高，客戶忠誠(chéng)度成為...
摘要：基于以上背景，研究人員對(duì)年至今的電信用戶流失數(shù)據(jù)進(jìn)行分析，并建立預(yù)測(cè)模型，識(shí)別出流失概率很高的客戶群體，同時(shí)找出哪些用戶特征對(duì)用戶流失會(huì)有重大影響。 showImg(https://segmentfault.com/img/bVUMPC?w=747&h=384); 原文鏈接 消費(fèi)者今天會(huì)訂閱多個(gè)電信服務(wù)（電視、付費(fèi)節(jié)目、游戲等）。然而電信供應(yīng)商提供的服務(wù)的差異化程度不高，客戶忠誠(chéng)度成為...
閱讀 1304·2021-11-22 09:34
閱讀 2168·2021-10-08 10:18
閱讀 1730·2021-09-29 09:35
閱讀 2462·2019-08-29 17:20
閱讀 2142·2019-08-29 15:36
閱讀 3408·2019-08-29 13:52
閱讀 783·2019-08-29 12:29
閱讀 1188·2019-08-28 18:10
