如何检测设备工作状态？这个问题可以通过机器学习算法来解决。

如何检测设备工作状态？这个问题可以通过机器学习算法来解决。

首先，需要采集一定数量的设备电流数据，并将其标记为关机、待机和工作状态。然后，可以使用分类算法（如决策树、支持向量机等）来训练模型，以预测设备的状态。最后，可以使用交叉验证等技术来评估模型的准确度，并根据需要进行调整和优化。

以下是一个示例的Python代码，使用决策树算法来训练模型：

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

# 读取数据
data = pd.read_csv('device_current.csv')

# 将状态转换为数字标签
data['status'] = data['status'].map({'off': 0, 'standby': 1, 'working': 2})

# 分离特征和标签
X = data.drop('status', axis=1)
y = data['status']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练决策树模型
clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)

# 在测试集上评估模型准确度
accuracy = clf.score(X_test, y_test)
print('Accuracy:', accuracy)

其中，device_current.csv是采集的设备电流数据，包含三列：时间戳、电流大小和状态（off、standby或working）。模型训练完成后，可以使用clf.predict()方法来预测新的设备状态。

可以将上述代码封装成一个预测设备状态的系统。具体实现步骤如下：

1. 创建一个包含以下功能的Python类：

• __init__(self, model_path)：初始化函数，加载训练好的模型。
• predict(self, data_path)：预测函数，输入一个包含设备电流数据的CSV文件路径，输出一个包含设备状态的CSV文件路径。

2. 在__init__函数中，加载训练好的模型，并保存在类的成员变量clf中。代码如下：

class DeviceStatusPredictor:
    def __init__(self, model_path):
        # 加载模型
        self.clf = DecisionTreeClassifier()
        self.clf.load(model_path)

3. 在predict函数中，读取输入的CSV文件，使用训练好的模型预测设备状态，并将结果保存在一个新的CSV文件中。代码如下：

class DeviceStatusPredictor:
    def predict(self, data_path):
        # 读取数据
        data = pd.read_csv(data_path)

        # 将状态转换为数字标签
        data['status'] = data['status'].map({'off': 0, 'standby': 1, 'working': 2})

        # 预测设备状态
        data['predicted_status'] = self.clf.predict(data.drop(['timestamp', 'status'], axis=1))

        # 将数字标签转换为状态
        data['predicted_status'] = data['predicted_status'].map({0: 'off', 1: 'standby', 2: 'working'})

        # 保存结果
        result_path = data_path.replace('.csv', '_result.csv')
        data.to_csv(result_path, index=False)

        return result_path

4. 使用该类进行设备状态预测。首先，需要创建一个DeviceStatusPredictor对象，并指定训练好的模型的路径。然后，可以调用predict函数，输入设备电流数据的CSV文件路径，输出预测结果的CSV文件路径。代码如下：

# 创建预测器对象
predictor = DeviceStatusPredictor('model.pkl')

# 预测设备状态
result_path = predictor.predict('device_current.csv')

# 输出预测结果
print('Result saved to', result_path)

其中，model.pkl是训练好的模型的路径，device_current.csv是设备电流数据的CSV文件路径，result_path是预测结果的CSV文件路径。