一种电气设备分类规则自学习方法及相关系统

本发明提供一种电气设备分类规则自学习方法及系统，属于电气设备管理技术领域。具体的，采用C4.5决策树算法对提取的电气设备的特征数据进行训练，选择信息增益比最大的特征进行节点分裂，形成决策树形式的分类规则，基于特征重要性评估对分类规则进行优化，建立数据反馈机制，实时收集新产生的设备数据并添加到训练数据集中，使用包含新数据的训练数据集对优化后的分类规则进行重新训练与优化，更新决策树模型中的相关节点和规则。采用基于信息增益比和特征重要性评估自动筛选关键特征，剔除低贡献特征，提升模型泛化能力，减少过拟合。通过数据反馈和增量学习持续动态优化分类规则，适应设备老化、环境变化等动态因素，长期保持高准确率。