检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

决策树集成方法在反舰导弹效能评估中的应用

现代防御技术 2021年第4期49卷 15-23,34页

作者：姬正一陈阳沈培志韩先平齐鸿坤中国人民解放军92941部队辽宁葫芦岛125000 中国人民解放军92493部队辽宁葫芦岛125000 海军航空大学山东烟台264001

在反舰导弹效能评估方法中,针对存在主观经验和计算时间成本高的问题,提出了随机森林和梯度提升回归树2种决策树集成方法。通过构建3层19个分量的反舰导弹效能评估指标体系,改进的ADC(availability dependability capacity)评估模型建... 详细信息

在反舰导弹效能评估方法中,针对存在主观经验和计算时间成本高的问题,提出了随机森林和梯度提升回归树2种决策树集成方法。通过构建3层19个分量的反舰导弹效能评估指标体系,改进的ADC(availability dependability capacity)评估模型建立了不同状态反舰导弹武器系统参数数据样本240份,切分数据集后采用归一化处理,结合交叉验证和网格搜索等参数优化方法,得到了2个较为理想的决策树集成效能评估模型。在仿真试验测试验证中,模型的评估准确率较高,验证了该方法的实用性,为反舰导弹效能评估提供了新思路。

关键词：反舰导弹效能评估决策树集成随机森林梯度提升回归树机器学习

在线全文

学校读者我要写书评

暂无评论

基于决策树集成的债券发行企业财务预警研究

财会月刊 2020年第6期 45-50页

作者：宋宇李鸿禧中国东方资产管理股份有限公司博士后科研工作站北京100033 清华大学经济管理学院博士后流动站北京100033 中央国债登记结算有限责任公司博士后科研工作站北京100033 中国人民银行金融研究所博士后流动站北京100033

在我国,债券发行人中财务危机企业数量远小于财务健康企业,样本的非平衡性导致一般的财务预警模型在训练时对财务危机企业的特征挖掘不足、预警精度低。利用“聚类Bagging”集成方法,将样本数量较多的财务健康企业样本分成多组,将多组... 详细信息

在我国,债券发行人中财务危机企业数量远小于财务健康企业,样本的非平衡性导致一般的财务预警模型在训练时对财务危机企业的特征挖掘不足、预警精度低。利用“聚类Bagging”集成方法,将样本数量较多的财务健康企业样本分成多组,将多组财务健康样本与财务危机样本进行两两配对,形成两类样本大致平衡的多个训练子集。在多个训练子集上分别构建决策树模型作为基学习器,使得决策树基学习器可以大致同等地学习健康样本与危机样本的特征。利用基学习器在测试集上的预测精度AUC值作为权重,对决策树基学习器进行加权,得到决策树集成模型,作为最终的财务预警模型。以制造业债券发行企业为样本,实证对比发现基于决策树集成的财务预警模型精度更高,说明本模型能够在总体预警正确率较高的前提下提高对财务危机企业的正确识别率。

关键词：财务预警决策树集成 AUC 预警指标体系债券发行

基于bagging的决策树集成消费者信用评估模型

在线全文

学校读者我要写书评

暂无评论

消费经济 2015年第3期31卷 72-74页

作者：向晖唐剑琴湖南师范大学商学院长沙410081

本文采用bagging方法结合C4.5决策树算法进行消费者信用评估。在两个真实数据集上用5折交叉验证对基于bagging的决策树集成信用评估模型进行了测试,并与logistic回归、BP神经网络、支持向量机及基于boosting的决策树集成模型进行了对比... 详细信息

本文采用bagging方法结合C4.5决策树算法进行消费者信用评估。在两个真实数据集上用5折交叉验证对基于bagging的决策树集成信用评估模型进行了测试,并与logistic回归、BP神经网络、支持向量机及基于boosting的决策树集成模型进行了对比。结果表明bagging集成可以明显提升决策树模型性能,在所有测试消费者信用评估模型中综合性能最高。

关键词：消费者信用评估决策树集成 bagging boosting

在线全文

学校读者我要写书评

暂无评论

基于决策树集成的深圳市二手房价格研究

基于决策树集成的深圳市二手房价格研究

作者：伍娴河南大学

学位级别：硕士

随着城市化进程的快速推进,我国房地产行业也迅速发展.但城市中建筑日渐密集,能够开发的土地越来越少,故二手房的交易变得愈发活跃.快速准确的对房地产进行估价,不仅能为购房者和房地产开发商提供科学的理论价格,而且能够促进买卖双方... 详细信息

随着城市化进程的快速推进,我国房地产行业也迅速发展.但城市中建筑日渐密集,能够开发的土地越来越少,故二手房的交易变得愈发活跃.快速准确的对房地产进行估价,不仅能为购房者和房地产开发商提供科学的理论价格,而且能够促进买卖双方进行高效地业务交易.因此,对房价进行研究具有重要的意义.本文从链家网站上获取深圳市1372个二手房有效样本,选取了物业费、所在区域、面积、房屋结构、朝向和总楼层数等15个可能对二手房单价造成影响的变量,并做了以下研究:首先,对获取的数据进行描述性统计,比较了不同变量造成的二手房单价差异.结果表明,所在区域和一公里内是否有地铁对二手房单价的影响较大,这与主观经验相一致.其次,考虑使用最多的线性回归模型对进行对数变换后的二手房单价进行预测.用逐步回归法进行了优化并对建立的回归方程进行检验.检验结果表明模型回归系数和回归方程整体均显著,且基本满足线性性、方差齐性、正态性、独立性的假设,可以使用该模型进行预测.但通过对测试集进行预测发现,线性回归模型的预测误差较大,尤其是对测试集中真实单价超过12万的二手房样本的均方误差达到了0.131093147.为了使预测更加准确,考虑基于决策树的集成方法进行房价预测.本文共选择了三种决策树集成方法进行二手房单价预测,分别为随机森林、GBDT和XGBoost.由于默认参数下的模型并非最优,为了更加准确的对二手房单价进行预测,需要对模型进行调参.本文对三种模型用均方误差指标进行了调参,利用网格搜索确定了模型中重要参数的取值,调参后的模型预测能力均比默认参数下的更强.同时,对特征重要性进行了排序,三种模型都认为所在区域、地铁、物业费和楼龄对二手房单价的影响较大.经对比发现,线性回归、随机森林、GBDT和XGBoost模型对训练集的拟合优度分别为0.6658、0.7626、0.7637、0.7681,对测试集的均方误差分别为0.05833、0.03479、0.03528、0.03947.三种集成方法对训练集的拟合优度均比线性回归高了0.1左右,对测试集的均方误差均明显小于线性回归方法下的均方误差,且调参后的随机森林模型在测试集上的均方误差最小,泛化能力最强,值得推广到房地产评估中去.

关键词：二手房价格决策树集成回归预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于决策树集成学习的癌症存活性预测分析

基于决策树集成学习的癌症存活性预测分析

作者：王宇燕大连理工大学

学位级别：硕士

数据驱动决策已成为大数据时代的重要理念和方法,医疗健康行业是其应用的典型领域之一。利用数据挖掘技术,通过构建相关指标体系和模型,为医疗决策提供强有力的支持具有重要的现实意义。癌症一直是人类难以攻克的疾病,癌症存活性预测是... 详细信息

数据驱动决策已成为大数据时代的重要理念和方法,医疗健康行业是其应用的典型领域之一。利用数据挖掘技术,通过构建相关指标体系和模型,为医疗决策提供强有力的支持具有重要的现实意义。癌症一直是人类难以攻克的疾病,癌症存活性预测是癌症预后中一项重要而有挑战性的任务。近年来,一些研究将机器学习方法用于癌症存活性预测模型构建,对癌症患者进行5年存活性分类,比传统的临床预测法和基于统计学工具的分析预测取得了更高的预测精度。为了进一步提高癌症存活性分类的准确性,本文用遗传算法(Genetic Algorithm,GA)对经典集成学习算法随机森林(Random Forest,RF)进行改进研究,提出了基于GA-RF的集成分类方法。该方法利用随机森林算法生成初始分类树集,然后以提高集成准确性为目标用遗传算法对分类树集合实施进化搜索,寻找决策树的最佳组合。实验使用美国国家癌症研究所的结直肠癌数据进行癌症存活性分类模型构建,并将改进后的方法与决策树算法、随机森林算法进行比较,实验结果显示,基于GA-RF的集成分类方法不仅表现出了最好的准确性,而且和原随机森林算法相比具有更低的集成复杂度。对于癌症晚期患者而言,具体存活时间的预测对临床实践具有更大的指导作用。为得到更准确的预测结果,本文提出了考虑均方误差(Mean Squared Error,MSE)和多样性的回归树集成方法。考虑到集成学习中个体学习器多样性的重要性,该方法在个体学习器生成阶段和选择集成阶段均采取创造多样性的操作,通过自举重采样和随机子空间法对训练集的样本和特征同时进行抽取训练大量的回归树,然后同时考虑回归树的多样性并结合单个回归树的预测性能利用多目标优化算法寻找好的回归树组合。实验使用美国国家癌症研究所的癌症数据进行癌症存活期预测模型构建,并将所提出的集成回归方法与决策树以及随机森林、AdaBoost、Gradient Boosting等几种经典的基于决策树的集成学习方法进行比较,实验结果显示,本文提出的方法在癌症存活期预测中以较低的集成复杂度获得了最低的预测误差,并且该集成模型对存活期具有最好的解释能力。结果表明,本文对随机森林的改进行之有效,能够提高癌症存活性分类准确性,同时,本文提出的考虑MSE和多样性的回归树集成方法可有效用于癌症存活期预测。上述两种方法得到的模型可以弥补传统经验预测的不足,辅助医生做出更准确的医疗决策。最后,考虑到预测模型在医疗实践中的推广使用,从模型管理的角度,对得到的癌症存活性预测模型进行统一地知识化表示,以便模型在决策支持系统中被统一地维护和调用。

关键词：癌症存活性预测决策树集成遗传算法多目标优化

基于PSO-决策树集成算法的小企业信用评分研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于PSO-决策树集成算法的小企业信用评分研究

作者：常继伟哈尔滨工业大学

学位级别：硕士

小企业是我国国民经济的重要组成部分，是社会主义经济建设中不可或缺的一支重要力量。自改革开放以来，随着市场经济体系的建立，小企业数量迅速增加，在优化产业结构、增加就业、科技创新、促进社会和谐稳定等方面发挥了十分重要的作... 详细信息

小企业是我国国民经济的重要组成部分，是社会主义经济建设中不可或缺的一支重要力量。自改革开放以来，随着市场经济体系的建立，小企业数量迅速增加，在优化产业结构、增加就业、科技创新、促进社会和谐稳定等方面发挥了十分重要的作用。但是，在小企业为推动我国经济发展做出重大贡献的同时，小企业在发展的过程中也遇到成本高、市场不成熟、产品技术含量低、融资难等诸多问题，其中，融资问题尤为突出。目前，我国小企业主要依赖银行融资，但是银行传统的信用评分体系多为针对大型企业建立，不适合于信用数据有效性低、影响因素复杂、财务文件不健全的小企业。因此，建立一个针对于小企业特点的低风险、高精度、高效率的小企业信用评分模型不仅能够解决小企业贷款难的问题，同时对于提高银行系统盈利及信贷业务发展也将起到重要作用。在对国内外信用评分方法及应用系统梳理的基础上，对小企业进行了深入剖析，指出小企业信用评分具有信用数据有效性低、影响因素复杂等特点，并选择决策树模型作为小企业信用评分的基本模型，并通过实证实验指出决策树模型在应用于小企业信用评分时的优势及局限性。针对评分指标高维度带来的样本冗余，提出采用粒子群算法来对属性进行约简;对于样本数量不足导致不能识别现象，本文提出运用典型的集成算法、装袋算法和随机空间算法等机器学习技术与决策树模型相结合，构建决策树集成模型，提高模型识别能力。实验结果表明，与单一模型相比，PSO-决策树集成算法能够有效地继承了单一模型的优势，避免决策树模型在小企业信用评分中的局限，在准确度和稳健性上对信用评分均有优化作用。

关键词：小企业信用评分 PSO 决策树集成

基于决策树集成和宽度森林的网络流量分析与预测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于决策树集成和宽度森林的网络流量分析与预测研究

作者：夏慧维南京邮电大学

学位级别：硕士

近年来,新一代移动通信技术得到快速发展,智能手机、平板电脑等移动端智能设备也迅速普及开来,移动通信网络逐渐构成了当今社会必不可少的基础设施之一,不断影响着人类社会生活的各个领域。面对越来越复杂的网络环境和成倍翻升的网络流... 详细信息

近年来,新一代移动通信技术得到快速发展,智能手机、平板电脑等移动端智能设备也迅速普及开来,移动通信网络逐渐构成了当今社会必不可少的基础设施之一,不断影响着人类社会生活的各个领域。面对越来越复杂的网络环境和成倍翻升的网络流量数据,网络管理和运营者们需要花费更多的时间和资源监控并分析出实时的网络流量状况,以应对突发的网络拥挤和堵塞,或者及时关闭不需要的基站以节省能耗,确保网络质量良好。一个好的流量预测模型能够使得运营商提前发现网络异常、网络流量爆发等问题,从而保证网络的稳定性、提高网络的服务质量、节省基站的能耗等。鉴于此,本论文基于基站网络流量采集数据,研究了基于决策树集成和宽度森林的网络流量分析与预测算法。本论文的主要研究工作和创新点如下:首先,在数据预处理中,本文针对采集数据中的缺失值采用了填充处理的方式,建立起有效的缺失值填充方案的评估机制。通过对比多种填充方案,最后选择了基于高斯分布的拟合方法填充缺失值。随后完成数据的特征工程,一方面,本文分别基于时空分布和历史流量数据挖掘了流量数据特征,提出了可变周期移动窗口平均法提取历史流量数据的统计特性;另一方面,本文提出了基于随机森林的重要特征选择算法用于提取与流量值变化更为相关的重要特征,从而为后续的流量预测算法建模打下坚实的基础。接着,本文设计了基于决策树集成的基站网络流量预测算法。鉴于轻量梯度提升决策树（LightGBM）算法有着强大的非线性处理能力、快速建模、分布式处理等优点,本文选用了LightGBM算法模型对基站网络流量进行了建模。接着,本文进一步地使用引导聚集算法（Bagging）优化了LightGBM算法,提出了LightGBM-Bagging算法模型,以提升模型的泛化能力。经理论分析,改进后的模型可以在保持决策树总数不变的情况下,有效降低了模型的时间复杂度。实验结果表明,该预测方法与其他预测方法相比,具有更好的预测性能。最后,本文设计了基于宽度森林的流量分析与预测算法。首先,在宽度学习和深度森林的理论基础上,本文将二者结合,提出宽度森林算法,并推导出其构建过程和增量学习过程以及相应的模型结构。接着,本文将宽度森林算法应用于基站网络流量的分析与预测建模分析中。利用宽度森林的特征层森林直接对流量特征的重要性进行评估,筛选出重要特征,并将重要特征输入到增强层森林作进一步训练,最后将两层森林的预测结果组合成矩阵,取矩阵的伪逆得到最终预测结果。实验结果表明,宽度森林算法进一步提高了流量预测的准确度。

关键词：网络流量预测决策树集成随机森林 LightGBM 宽度学习

Forestnet：一种结合深度学习和决策树集成的方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

Forestnet：一种结合深度学习和决策树集成的方法

作者：黎旭荣中山大学

学位级别：硕士

近年来,深度学习方法受到了学术界的广泛关注,并在工业界得到了广泛的应用。深度学习模型,尤其是卷积神经网络,在图像以及数据特点与图像相近的一些问题,如语音、自然语言处理当中取得了当前最优的效果。卷积神经网络的成功源于模型当... 详细信息

近年来,深度学习方法受到了学术界的广泛关注,并在工业界得到了广泛的应用。深度学习模型,尤其是卷积神经网络,在图像以及数据特点与图像相近的一些问题,如语音、自然语言处理当中取得了当前最优的效果。卷积神经网络的成功源于模型当中卷积层学习特征的超强能力。但在其他的一些数据特点不同于图像的问题上,深度学习模型则并没有取得显著优于传统浅层模型的效果。在这类问题上,决策树集成方法仍然是效果最好的主流算法。这可能说明,决策树比深度学习模型更适合处理这种“非类图像”的数据。本文提出了一种结合了深度学习和决策树集成的模型Forestnet。该模型可以类比卷积神经网络,正如卷积神经网络利用卷积层提取特征,Forestnet在神经网络当中嵌入了回归树以提取特征。在“非类图像”数据的问题上,回归树可以学习出较好的特征,提升Forestnet模型在该类问题上的效果。本文设计了一种基于后向传播算法的求解Forestnet模型的方法。该方法利用梯度提升方法解决了在后向传播算法框架下更新模型中的回归树的问题。我们在分类、回归和排序学习问题上验证Forestnet模型的有效性。在多个数据集上的实验表明,在这3类问题上,Forestnet可以取得比多层感知机和梯度提升决策树更好的效果。我们还在实验中研究了Forestnet模型的结构对其效果的影响。实验结果表明,通过增加模型的深度(全连接层的层数),以及增加模型的宽度(森林层的节点个数)都可以使得算法收敛速度加快,效果提升。

关键词：深度学习决策树集成特征学习神经网络梯度提升回归树

基于决策树方法对广西某医院患者就医选择影响因素的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于决策树方法对广西某医院患者就医选择影响因素的研究

作者：李钰广西医科大学

学位级别：硕士

目的和意义:本研究调查了广西壮族自治区某综合性三甲医院门诊患者对于医疗机构的意愿选择,了解患者就医行为的特点以及存在的问题。通过分析患者就医意愿选择的影响因素,获取患者就医影响因素的重要性排序。对患者在就医意愿选择时出... 详细信息

目的和意义:本研究调查了广西壮族自治区某综合性三甲医院门诊患者对于医疗机构的意愿选择,了解患者就医行为的特点以及存在的问题。通过分析患者就医意愿选择的影响因素,获取患者就医影响因素的重要性排序。对患者在就医意愿选择时出现的主要问题进行讨论并剖析其原因,提出引导患者做出正确医疗决策以及缓解医疗资源压力的建议和对策,为优化医疗卫生资源配置、完善分级诊疗制度提供科学的参考依据。方法:采用文献调研法调研国内外关于患者就医选择及其影响因素的相关文献,在此基础上制定调查问卷。对2018年6月至2019年8月期间在某综合性三甲医院的门诊患者进行就医意愿问卷调查。通过描述分析法对社会人口学特征进行分析,卡方检验对选项进行交叉分析,并构建决策树、袋装决策树、随机森林及梯度提升决策树等模型展示患者就医意愿影响因素,进而根据其影响因素重要性的大小加以排序,对排序结果进行讨论分析。结果:1.不同居住地、年龄、职业、教育程度、月收入及参保类型共15个因素对患者就医选择具有统计学差异(P决策树及其集成模型中,随机森林的分析准确性相对较高,变量的重要性依次为职业、居住地、患者等待时长、教育程度、医疗开销影响、疾病类型、年龄、参保类型、医生问诊时长、月收入、本院就诊原因、就医意愿。结论:本研究结合了多学科知识,在理论上阐明了就医选择是经过多个因素共同影响的结果。同时,根据该医院就诊患者的实际情况,对患者就医过程中所出现的问题进行探析。并提出为改善医疗服务体系,缓解医疗医院压力,患者应改变传统医疗观念,提高自身就医意识;医疗人员应提高医技水平、增强沟通能力;医疗卫生机构应加强医德医风教育、改善医疗环境、丰富预约形式等;政府应加强卫生服务体系建设、合理分配医保报销比例、推进健康教育宣传模式。

关键词：患者就医行为决策树集成影响因素