《数据挖掘与机器学习》 课件6.1.2 构建运输车辆安全驾驶行为分析模型.pptx

构建运输车辆安全驾驶行为分析模型运输车辆安全驾驶行为分析——朴素贝叶斯、K近邻

任务描述朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。对于运输企业来说，安全意识和责任感的重要性不言而喻，这是是企业长期发展和稳定运营的必要因素。构建运输车辆安全驾驶行为分析模型能帮助企业更好地管理和监控运输车辆的安全性能。在本任务中将使用高斯朴素贝叶斯和多项式分布朴素贝叶斯构建运输车辆安全驾驶行为分析模型，探索、分析各车辆的驾驶行为。构建运输车辆安全驾驶行为分析模型

任务要求读取并探索驾驶行为数据。处理驾驶行为数据。使用sklearn库构建朴素贝叶斯模型。利用Matplotlib库对预测结果进行可视化展示。使用准确率、精确率、召回率、F1得分评估朴素贝叶斯模型。构建运输车辆安全驾驶行为分析模型运用Python构建运输车辆安全驾驶行为分析模型需调用不同的库

读取并探索驾驶行为数据处理驾驶行为数据构建高斯朴素贝叶斯模型构建多项式分布朴素贝叶斯模型

读取并探索驾驶行为数据构建运输车辆安全驾驶行为分析模型根据已知数据集，在尽量少的先验假定下进行数据探索，通过查看数据分布规律、数据之间相关性等有助于确定如何有效地处理数据，以便更轻松地找出异常值、数据间的关系等。读取并探索驾驶行为数据的步骤如下。查看驾驶行为数据读取数据查看数据类型描述性统计分析分布分析

查看驾驶行为数据特征名称特征说明某运输企业采集到的448辆运输车驾驶行为数据的数据说明如下。车辆编码车牌的唯一编码，已脱敏行驶里程（km）根据车辆设备编号的变化计算行驶里程，若设备号无变化，则当前阶段里程数=当前样本里程值－当前阶段里程起始值；若设备号变化，则将当前阶段里程数累加至总里程数中平均速（km/h）根据传感器记录的速度来计算平均速度，即求速度不为0时的速度均值速度标准差基于平均速度，计算每辆车的速度标准差速度差值标准差基于加速度，计算每辆车的速度差值标准差构建运输车辆安全驾驶行为分析模型

查看驾驶行为数据特征名称特征说明某运输企业采集到的448辆运输车驾驶行为数据的数据说明如下。急加速频率将急加速次数除以该车的行驶里程数，得到相应的次数率急减速频率将急减速次数除以该车的行驶里程数，得到相应的次数率疲劳驾驶频率将疲劳驾驶次数除以该车的行驶里程数，得到相应的次数率熄火滑行频率将熄火滑行次数除以该车的行驶里程数，得到相应的次数率超长怠速频率将超长怠速次数除以该车的行驶里程数，得到相应的次数率驾驶行为驾驶行为类型。其中0表示疲惫型，1表示激进型，2表示稳健型构建运输车辆安全驾驶行为分析模型

查看驾驶行为数据特征名称特征说明某运输企业采集到的448辆运输车驾驶行为数据的数据说明如下。急加速（次）按照行业经验预设，若车辆加速度大于急加速阈值（10.8km/h），且前后间隔时间不超过2s，则将其判定为急加速行为急减速（次）按照行业经验预设，若车辆加速度小于急减速阈值（10.8km/h），且前后间隔时间不超过2s，则将其判定为急减速行为疲劳驾驶（次）根据道路运输行业相关法规和规范，驾驶人在24小时内累计驾驶时间超过8小时；连续驾驶时间超过4小时，且每次停车休息时间少于20分钟；夜间连续驾驶2小时的行为判定为疲劳驾驶行为熄火滑行（次）假定车辆发动机的点火状态为关，且车辆经纬度发生了位移的情况称为熄火滑行状态超长怠速（次）若车辆的发动机转速不为零且车速为零时，当持续的时间超过设定的阈值（60s）后，可将其视为超长怠速行为构建运输车辆安全驾驶行为分析模型

处理驾驶行为数据异常值检测异常值处理疲劳驾驶异常值检测熄火滑行异常值检测超长怠速异常值检测使用Matplotlib库的boxplot函数绘制箱线图使用箱线图识别异常值的方式剔除掉驾驶行为数据中的异常数据构建运输车辆安全驾驶行为分析模型

处理驾驶行为数据异常值上四分位数下四分位数上边界下边界中位数构建运输车辆安全驾驶行为分析模型

构建高斯朴素贝叶斯模型构建运输车辆安全驾驶行为分析模型构建高斯朴素贝叶斯模型主要通过以下6个步骤实现。使用StandardScaler函数对数据进行标准差标准化处理。标准差标准化使用train_test_split类将数据集拆分为训练集和测试集，用于训练模型以及检验模型。拆分训练集和测试集根据车辆驾驶行为数据将驾驶行为分为3类，分别为“疲惫型”“激进型”“稳健型”，对应的标签集为“0”“1”“2”。使用GaussianNB类构建高斯朴素贝叶斯模型。构建模型

构建高斯朴素贝叶斯模型构建运输车辆安全驾驶行为分析模型在对高斯朴素贝叶斯的预测结果进行可视化之前，需要对数据进行PCA降维。此处，选择将数据降为二维数据。对数据进行PCA降维在对数据进行PCA降维后，使用scatter函数对预测结果进行可视化。对预测结果进行可视化为了评估高斯朴