Power System Fault Behavior Prediction

目的

利用隨機森林分類器預測電力系統的故障行為，並透過超參數優化提升模型的分類性能，降低錯誤預測率，支持更精確的電力系統管理與決策。

技術工具

• Python
• Scikit-learn
• GridSearchCV
• RandomizedSearchCV

成果亮點

1. 使用 GridSearchCV 進行超參數調整，最佳交叉驗證分數達到 0.85。
2. 採用改進策略後，測試集加權 F1 分數 提升至 0.86，總體準確率從 82% 提升至 88%。
3. 特別針對性能較弱的類別進行優化：
   • 類別 2 的 F1 分數 從 0.55 提升至 0.58。
   • 類別 5 的 F1 分數 從 0.51 提升至 0.58。
   • 錯誤預測數顯著減少，提升模型在少數類別上的表現能力。

成果展示：https://powersystemfaultclassifier-flu2zajtp5h7cdwisgwfjq.streamlit.app/