【数据挖掘实例】构建Xgboost模型，在电力用户的95598工单数据中的电费敏感用户预测（低敏用户模型）

数据简介：电力用户的95598工单数据、电量电费营销数据等为基础，综合分析电费敏感客户特征，建立客户电费敏感度模型，对电费敏感用户的敏感程度进行量化评判，帮助供电企业快速、准确的识别电费敏感客户，从而对应的提供有针对性的电费、电量提醒等精细化用电服务。

数据下载链接：https://www.datafountain.cn/competitions/242

赛题任务

在初赛中，参赛者需要以电力用户的95598工单数据、供电抢修服务数据、停电信息数据为基础，结合对受理工单文本内容的分析挖掘，建立客户停电敏感度模型，对客户对于停电事件的敏感程度进行量化分析，确定用户对停电事件是否敏感。

在复赛中，参赛者需要以电力用户的95598工单数据、电量电费营销数据等为基础，综合分析电费敏感客户特征，建立客户电费敏感度模型，对电费敏感用户的敏感程度进行量化评判，帮助供电企业快速、准确的识别电费敏感客户，从而对应的提供有针对性的电费、电量提醒等精细化用电服务。

模型构建流程：

• （一）数据简介：电力用户的95598工单数据、电量电费营销数据等为基础，综合分析电费敏感客户特征，建立客户电费敏感度模型，对电费敏感用户的敏感程度进行量化评判，帮助供电企业快速、准确的识别电费敏感客户，从而对应的提供有针对性的电费、电量提醒等精细化用电服务。

• 感谢大连理工大学团队的优胜方案

• ࿰

标签：电费,模型,用户,敏感,工单,客户,数据挖掘,数据
来源： https://blog.csdn.net/weixin_44510615/article/details/114698011