NILM, REDD 数据集， 已经转好了h5格式，用nilmtk可以直接读入

非侵入式负荷分解NILM的实用安装包NILMTK，包括nilmtk-contrib、nilmtk和nilm_metadata。python实用安装包，帮助处理负荷分解数据。

NILMTK：非侵入式负载监控工具包 非侵入式负载监控（NILM）是仅根据整个房屋的功率计读数估算单个设备所消耗的能量的过程。 换句话说，它仅通过一个整个房屋的电表就产生了（估算的）逐项电费单。 NILMTK是一个工具包，旨在帮助研究人员评估NILM算法的准确性。 如果您是Python的新用户，建议对Python生态系统中的 ， 和其他工具进行自我教育。 :warning: NILMTK作者可能需要一些时间才能就查询/问题与您联系。 但是，我们非常欢迎您提出修改，支持！ 记住要检查现有的问题凭单，尤其是未解决的问题凭单。 文献资料 如果您是新用户，请在阅读。 引起我们注意的是，一些用户遵循第三方教程来安装NILMTK。 请始终记住检查此类教程的日期，其中许多教程已经过时，并且无法反映NILMTK的当前版本或推荐/支持的设置。 为什么要使用NILM工具包？ 我们引用解释对NILM工具包的需求：

NILM相关，在进行非侵入式电力负荷监测学习使用nilmtk工具包的时候可以用的到，当然也可以在GitHub上下载。

NILM相关2，在进行非侵入式电力负荷监测学习使用nilmtk工具包的时候可以用的到，当然也可以在GitHub上下载。

NILMTK-贡献 该存储库包含使用 NILMTK 的快速实验 API 实现的能量分解任务的所有最先进算法。 你可以在找到这篇论文。 所有曾经使用过的笔记本都可以在找到。 使用 NILMTK-contrib，您可以使用以下算法： 加性因子隐马尔可夫模型 具有信号聚合约束的加法隐马尔可夫模型 判别稀疏编码 RNN 去噪自动编码器 序列2点 序列2序列 窗口GRU 上述最先进的算法已添加到此存储库中。 您可以使用新的 NILMTK 的快速实验 API 执行以下操作： 跨多个设备的培训和测试 跨多个数据集的训练和测试（迁移学习） 跨多个建筑物的培训和测试 使用人工骨料进行训练和测试 不同采样频率的训练和测试 请参阅此以了解有关 API 用法的更多信息。 引文 如果你发现这个 repo 对你的研究有用，请考虑引用我们的论文： @inproceedings { 10.1145/33

nilmtk, 非侵入式负载监视工具包( nilmtk ) NILMTK: 非侵入性负载监视工具包非入侵负荷监测( NILM ) 是估计单个家电所消耗的能量的过程。 换句话说，它产生了一个( 估计) itemised能量帐单，只是一个单一的房间电源表。NILMTK是一个工具包，旨在帮助研究人员

ukdale_plots 我的图（使用 ）

是上一篇中文的英文原论文 想要了解原始论文的同学可以看看，更为客观。

使用nilmtk的非常简单的代码。 为nilmtk添加了F1-score，Acc，Precision分类算法评估标准。 以及一些改进的算法测试。