REDD数据集的补充说明

关于数据集的补充说明

在REDD数据集中，对每一个房间都有两个总表数据。这两个总表的数据并不一致。在实际使用的时候，REDD数据集默认把总表数据相加。也就是说，两个“分总表”求和，最终得到的功率才是真正的“总耗电量”。此外，总表数据有缺失的数据，在处理的时候，有一种方法是直接采用上一时刻的数据作为缺失的数据。

CO算法和FHMM算法的结果

在NILMTK的说明文档中就有相关算例。链接地址如下：
https://github.com/nilmtk/nilmtk/tree/master/docs/manual
这两个算法用在REDD数据上，总体来看结果一般，如果用前一个月的数据来预测后一个月的数据，FHMM结果比CO结果略好一些。
整体的误差数据看起来很低，但是，不要被结果蒙蔽了。因为，误差低的原因并不是预测得准，而是在预测的时间范围内，仪表大部分时间都没有处于工作状态。这个时间段拉低了预测的误差值，使得整体预测看起来还挺准。