基于可解释机器学习的家庭层面能源预测方法
发表于: 。本研究针对家庭层面电力预测的挑战,解决了现有机器学习方法缺乏可解释性的问题。提出一种自定义决策树的方法,旨在提高能源消费预测的可解释性,同时保持良好的准确性。研究结果显示,该方法可在多个商业应用中有效使用,但在处理异常值时存在一定局限性。
本研究针对家庭层面电力预测的挑战,解决了现有机器学习方法缺乏可解释性的问题。提出一种自定义决策树的方法,旨在提高能源消费预测的可解释性,同时保持良好的准确性。研究结果显示,该方法可在多个商业应用中有效使用,但在处理异常值时存在一定局限性。