4. 机器学习基础：监督学习、无监督学习与模型评估

各位同事，大家好。今天我们来聊聊机器学习在风电运维中的应用。说实话，我刚入行那会儿，对机器学习也是一头雾水。但干得久了你会发现，这东西说白了就是帮我们从数据里找规律。

你想想看，一台风机每天产生多少数据？振动、温度、功率、转速……光靠人眼看，根本看不过来。这时候，机器学习就能派上大用场了。

4.1 监督学习：回归与分类

监督学习，我习惯叫它“有老师带着学”。什么意思呢？就是给模型一堆“标准答案”，让它自己琢磨规律。

4.1.1 回归问题

回归，说白了就是预测一个连续值。比如预测齿轮箱剩余寿命，或者预测未来24小时的发电量。

我个人习惯用线性回归做基线模型。先跑一个简单的，看看数据大概是什么趋势。

# 线性回归示例
from sklearn.linear_model import LinearRegression
model = LinearRegression()
model.fit(X_train, y_train)
y_pred = model.predict(X_test)

嗯，这里要注意：回归模型对异常值特别敏感。我在项目里遇到过，一次传感器故障导致数据里有个“飞点”，结果模型预测直接偏了20%。所以数据清洗这步，千万别偷懒。

4.1.2 分类问题

分类呢，就是判断“是或不是”。比如判断当前风机状态是正常还是异常，或者判断故障类型是轴承磨损还是齿轮断裂。

我常用的分类算法是随机森林和XGBoost。为什么？因为它们对风电这种高噪声数据，鲁棒性比较好。

# 随机森林分类示例
from sklearn.ensemble import RandomForestClassifier
clf = RandomForestClassifier(n_estimators=100)
clf.fit(X_train, y_train)
y_pred = clf.predict(X_test)

4.2 无监督学习：聚类与异常检测

无监督学习，就是“没老师带着学”。数据没有标签，让模型自己发现结构。

4.2.1 聚类分析

聚类，就是把相似的数据归到一起。比如把不同工况下的风机运行数据分成几类，看看每种工况有什么特点。

K-means是最常用的聚类算法。但我提醒一句：K值怎么选？别瞎猜。用肘部法则，画个图看看。

# K-means聚类示例
from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=3)
kmeans.fit(X)
labels = kmeans.labels_

4.2.2 异常检测

异常检测，这个在风电里太重要了。说白了就是找“不对劲”的数据点。

我曾经用孤立森林算法，成功提前3天预警了一次齿轮箱故障。当时运维团队还不信，结果拆开一看，齿面已经出现微裂纹了。

4.3 模型评估指标

模型好不好，不能光靠感觉。得用指标说话。

4.3.1 回归指标：RMSE与MAE

指标	全称	特点
RMSE	均方根误差	对大误差惩罚更重
MAE	平均绝对误差	对异常值不敏感

我个人习惯两个都看。如果RMSE远大于MAE，说明数据里有“离谱”的预测点，得回去查查。

from sklearn.metrics import mean_squared_error, mean_absolute_error
import numpy as np

rmse = np.sqrt(mean_squared_error(y_true, y_pred))
mae = mean_absolute_error(y_true, y_pred)

4.3.2 分类指标：F1-score

分类问题，光看准确率不够。比如故障检测，漏报一次可能损失几十万，误报一次只是浪费点人工。这时候F1-score就派上用场了。

F1-score是精确率和召回率的调和平均。值越高，说明模型越均衡。

from sklearn.metrics import f1_score
f1 = f1_score(y_true, y_pred, average='weighted')

4.4 过拟合与欠拟合处理

这两个问题，是机器学习里的“老大难”。

4.4.1 过拟合

过拟合，就是模型把训练数据背得滚瓜烂熟，但一遇到新数据就懵了。就像学生只会做原题，换个数字就不会了。

怎么判断？训练集表现很好，测试集表现很差。这就是过拟合的典型症状。

解决办法：

• 增加训练数据量
• 降低模型复杂度（减少树深度、减少特征数）
• 使用正则化（L1、L2）
• 早停法（Early Stopping）

4.4.2 欠拟合

欠拟合正好相反。模型太简单，连训练数据都没学好。训练集和测试集表现都很差。

解决办法：

• 增加模型复杂度
• 增加更多特征
• 减少正则化强度

知识体系总览

下面这张图，是我自己整理的本章知识结构。你可以把它当成一张“地图”，学完回头看看，思路会更清晰。

好了，这一章的内容就到这里。机器学习不是玄学，是工具。用好了，它能帮我们省下大量时间和成本。下一章，我们会深入聊聊特征工程——说白了，就是怎么从原始数据里挖出真正有用的信息。

---

公众号:蓝海资料掘金营，微信deep3321