检索结果-南通市图书馆

作者：崔慧莹大连交通大学

学位级别：硕士

随着我国经济快速发展和城市化的不断推进,我国房地产市场日新月异,中国的房地产市场一直快速增长,价格预测已经成为人们和决策者的一个重要问题。本文主要是通过改进极端随机森林模型对大连市二手房屋价格进行预测,本文的创新点为提出... 详细信息

随着我国经济快速发展和城市化的不断推进,我国房地产市场日新月异,中国的房地产市场一直快速增长,价格预测已经成为人们和决策者的一个重要问题。本文主要是通过改进极端随机森林模型对大连市二手房屋价格进行预测,本文的创新点为提出一种基于卡方先验的混合特征选择算法的极端随机森林(GSR-ERF)模型,提出基于Hyperopt超参数优化方法来对GSR-ERF模型进行参数寻优。本文的研究工作主要包括以下几个方面:首先,本文的数据集使用python语言爬取房产超市2022年大连市二手房屋数据,将爬取的数据进行数据预处理、数据清洗等工作,对数据清洗后的二手房屋数据进行缺失值填补、标准化处理,最后对二手房屋数据进行分析描述。其次,本文提出一种基于先验卡方原理的混合特征选择算法的极端随机森林模型(GSR-ERF模型),该算法分别得出基于遗传算法、模拟退火算法、交叉验证递归消除法的最优特征子集,并通过先验测试集分别得到这三种模型在先验测试集上的卡方分数。随后通过这三种模型的卡方占比结合其对应的最优特征子集对其进行排序得到最终的最优特征子集,最终通过得到的最优特征子集训练极端随机森林模型。本文提出基于Hyperopt超参数优化技术对GSR-ERF模型进行超参数优化,基于Hyperopt超参数优化方法的核心是一种基于随机搜索和贝叶斯优化算法的优化器,它通过不断地尝试不同地参数组合来寻找最优的模型参数配置以提高GSR-ERF模型的准确率和适应度。最后,本文利用GSR-ERF模型对二手房价进行预测,通过实验对比得出本文提出的GSR-ERF模型对大连市二手房价预测的R已经达到了0.90,本文提出的GSR-ERF模型预测效果最佳,将本文提出的GSR-ERF模型应用到二手房价预测系统中。

关键词：决策树极端随机森林贝叶斯优化器特征选择二手房价预测

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

支持多源大数据的机器学习云平台

支持多源大数据的机器学习云平台

引用

作者：范子琨浙江大学

学位级别：硕士

随着机器学习的不断发展,众多机器学习框架源源不断出现降低了计算机从业人员的学习成本,能够帮助完成许多数据分析的任务。但是,机器学习依然需要系统的专业技能,搭建一个机器学习系统存在诸多困难:1)数据量大且结构复杂,处理困难;2)... 详细信息

随着机器学习的不断发展,众多机器学习框架源源不断出现降低了计算机从业人员的学习成本,能够帮助完成许多数据分析的任务。但是,机器学习依然需要系统的专业技能,搭建一个机器学习系统存在诸多困难:1)数据量大且结构复杂,处理困难;2)数据源存在各种不同的行业背景,因此各行业与计算机行业存在很大的专业差异;3)机器学习的模型和模型超级参数没有科学化方法进行选择和调节,完全凭借人工调试。针对以上的三个问题,我们搭建了支持多源大数据的云平台,云平台能够提供简单的接口和应用以能够消除计算机从业人员与其他行业数据专家的技术屏障,既可以帮助非计算机从业人员也能够轻松进行数据分析,同时也可以帮助专业的从业人员预先全面了解数据并自动选择模型和调节超参。平台提供了一站式对大数据的处理和分析,其中包括了 1)利用分布式数据处理引擎,通过对不同数据源结构的分析,以及对目前机器学习领域主流的数据处理方法的抽象,自动化了多源大数据的切片和处理,从而达到快速处理结构复杂的大数据问题;2)通过对对目前机器学习领域的各类机器学习框架的一体化集成,并综合考虑各类框架优秀的设计思想,将其进行多层次、多语言、多模块化的抽象,使得大大降低各类框架的运用门槛的同时不丧失其强大的算法处理能力,从而大大简化机器学习工具以方便非计算机人员使用它们;3)设计并实现了自动化监督性机器学习算法,通过综合遗传算法进行模型自动化选择以及贝叶斯优化器进行超参解空间快速搜索,大大降低整个机器学习流程空间搜索的时间复杂度,而遗传算法和贝叶斯优化器的配合能够进一步保证搜索的独立性,从而能够保证局部最优解和全局最优解的平衡。

关键词：自动化机器学习大数据处理分布式集群遗传算法贝叶斯优化器

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

优化决策树预测大学生体质健康的模型构建研究

引用

体育研究与教育 2023年第3期38卷 93-96页

作者：寇月李海中国民用航空飞行学院航空安全保卫学院四川德阳618307 中国民用航空飞行学院民航安全工程学院四川德阳618307

目的:为了方便、快速、高效地预测大学生体质健康状况。方法:按照我国六大行政区划,在全国范围内选取12所高等院校,筛选在校男性大学生共计104530名的体质健康测试数据,基于互信息量与机器学习决策树方法,研究了大学生体质健康状况预测... 详细信息

目的:为了方便、快速、高效地预测大学生体质健康状况。方法:按照我国六大行政区划,在全国范围内选取12所高等院校,筛选在校男性大学生共计104530名的体质健康测试数据,基于互信息量与机器学习决策树方法,研究了大学生体质健康状况预测精度。结果:不同特征对于体质健康状况预测贡献度具有明显差异;其中,七特征组合“1000米+引体向上+立定跳远+50米+坐位体前屈+体重+肺活量”对于体质健康状况的预测效果最好,预测精度可达95.0%。与粗略决策树、中等决策树、精细决策树相比,优化决策树对于体质健康状况的预测效果最好,预测精度可达95.1%。对于三种分类规则,最大程度减少偏差分类规则对于体质健康状况预测效果最好;对于不同替代决策分裂类型,关闭、打开、全部搜索状态对于体质健康预测效果未有明显区别。对于贝叶斯、网格搜索、随机搜索三种优化器而言,在各优化器下均有一种超参数组合和其他优化器下的最优超参数预测效果相当超参数组合。结论:优化决策树对于大学生体质健康状况相较于传统决策树有较好的预测效果.

关键词：体质健康预测优化决策树贝叶斯优化器置信边界下限函数

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：