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

catboost 模型在水深反演中的应用

测绘通报 2022年第7期 33-37页

作者：孔瑞瑶谢涛马明孔瑞林南京信息工程大学遥感与测绘工程学院江苏南京210044 青岛海洋科学与技术国家实验室区域海洋动力学与数值模拟功能实验室山东青岛266237 北京应用气象研究所北京100029 西北工业大学软件学院陕西西安710129

在多光谱遥感水深反演研究中,由于影响反演精度的因素较多,传统的水深反演模型具有一定局限性。机器学习算法在解决非线性高复杂问题上较有优势,将其应用在某些特定区域水深反演可提高反演精度。本文利用Sentinel-2多光谱遥感影像和LiDA... 详细信息

在多光谱遥感水深反演研究中,由于影响反演精度的因素较多,传统的水深反演模型具有一定局限性。机器学习算法在解决非线性高复杂问题上较有优势,将其应用在某些特定区域水深反演可提高反演精度。本文利用Sentinel-2多光谱遥感影像和LiDAR测深数据,以瓦胡岛为研究区域,构建catboost水深反演模型,与传统水深反演模型及Boosting中的XGBoost和LightGBM模型的反演精度进行比较。试验结果表明,经过参数优化后的catboost水深反演模型的决定系数、均方根误差、平均绝对误差和平均相对误差分别为96.19%、1.09 m、0.77 m和9.61%,准确性最高,效果更佳。

关键词：水深反演多光谱遥感 Sentinel-2 机器学习 CatBoost模型

基于catboost和XGBoost组合模型的水深反演

在线全文

学校读者我要写书评

暂无评论

海洋测绘 2023年第3期43卷 59-63页

作者：曾书玉谢涛孔瑞瑶南京信息工程大学遥感与测绘工程学院江苏南京210044 青岛海洋科学与技术国家实验室区域海洋动力学与数值模拟功能实验室山东青岛266237

为获取高精度的水深信息以满足海洋研究各领域的需要,提出一种catboost和XGBoost模型组合的水深反演模型。选取Sentinel-2A卫星遥感数据,以瓦胡岛为研究区域,引入catboost和XGBoost模型,对二者进行线性组合,构建catboost-XGBoost组合模... 详细信息

为获取高精度的水深信息以满足海洋研究各领域的需要,提出一种catboost和XGBoost模型组合的水深反演模型。选取Sentinel-2A卫星遥感数据,以瓦胡岛为研究区域,引入catboost和XGBoost模型,对二者进行线性组合,构建catboost-XGBoost组合模型。实验结果表明:组合模型的决定系数、均方根误差、平均绝对误差以及平均相对误差分别为95.32%、1.29 m、0.86 m、20.51%,与单一模型相比,组合模型的水深反演精度有一定提高。

关键词：海洋遥感水深反演组合模型 CatBoost模型 XGBoost模型

地区科普水平评价及影响因素——基于省级面板数据的实证分析

在线全文

学校读者我要写书评

暂无评论

科技管理研究 2023年第6期43卷 105-113页

作者：贺苗西北工业大学马克思主义学院陕西西安710072 陕西省重点舆情信息研究中心陕西西安710072

受多种因素制约与影响,目前中国区域科学普及基础薄弱,而国内基于数理分析方法探讨科学普及发展情况的研究较为稀缺,因此探索采用数理分析方法对中国各地区科普水平进行评价,并分析其主要影响因素,为今后中国科普工作明确方向与抓手提... 详细信息

受多种因素制约与影响,目前中国区域科学普及基础薄弱,而国内基于数理分析方法探讨科学普及发展情况的研究较为稀缺,因此探索采用数理分析方法对中国各地区科普水平进行评价,并分析其主要影响因素,为今后中国科普工作明确方向与抓手提供参考。从科普人力、物力、参与力3个维度构建科普水平评价指标体系,利用中国31个省份2011—2020年有关数据,采用熵权法-TOPSIS-灰色关联法组合评价方法计算各省份科普水平相对贴近度;并从社会发展系统影响、经济发展系统影响、城市发展系统影响、教育发展系统影响4个维度入手,通过使用CatBoost模型对地区科普水平的影响因素进行分析。结果发现:东部省份科普水平整体相对较高;北京科普水平远远领先于其他地区,其他地区科普水平提升空间较大;除北京外,其他省份之间科普水平存在较小差异;地区经济发展水平、高等教育发展水平、人口聚集水平、网络普及水平、产业结构优化水平、对外开放水平是地区科学普及关键性影响因素,地区科普水平是在社会发展、经济发展、城市发展、教育发展影响交织下进行的。因此,中国各地区今后发展科普事业要重点关注经济落后、教育发展落后的地区,突出地方特色科普,发挥区位优势和科技产业优势进行科普资源提炼,并营造良好科学文化普及氛围。

关键词：科普地区科普水平熵权法-TOPSIS-灰色关联法 CatBoost模型中国

基于轨迹数据的共享电动自行车逆行风险行为影响因素研究

在线全文

学校读者我要写书评

暂无评论

中国公路学报 2021年第12期34卷 262-275页

作者：边扬杨家夏赵晓华张晓龙韩唐姗北京工业大学交通工程北京市重点实验室北京100124 华南理工大学土木与交通学院广东广州510641

为改善电动自行车带来的交通安全问题,研究逆行风险行为与其影响因素间的相关关系。基于长沙市芙蓉区共享电动自行车GPS轨迹数据,实现逆行行为的精准识别,采用机器学习CatBoost模型与SHAP可解释机器学习框架,从道路条件、交通状态、土... 详细信息

为改善电动自行车带来的交通安全问题,研究逆行风险行为与其影响因素间的相关关系。基于长沙市芙蓉区共享电动自行车GPS轨迹数据,实现逆行行为的精准识别,采用机器学习CatBoost模型与SHAP可解释机器学习框架,从道路条件、交通状态、土地利用性质等方面开展逆行行为影响要素挖掘及作用解析。研究结果表明:CatBoost模型能够有效预测路段逆行频次并提取逆行行为的重要影响因素,主要包括出行时段、公共交通设施、土地利用性质、道路条件及交通状态等;从出行时段来看,工作日、早晚高峰时段更容易发生逆行;从公共交通设施与土地利用性质来看,道路周围公交站地铁站出口数量及餐饮、公司、购物等设施数量与逆行频次呈现非线性影响关系,在一定范围内设施数量与逆行行为存在正影响作用;从道路条件来看,过街通道间距在50~400 m时不易发生逆行,在非机动车道无物理隔离设施或过街通道间距在400~600 m时容易发生逆行,间距大于600 m时作用不稳定;从路段机非分隔形式来看,护栏分隔的逆行概率较低,绿化带分隔的逆行概率较高;从交通状态来看,当骑行速度、加速度较低或较高时与逆行行为负相关,当骑行速度在6~16 km·h^(-1)及加速度在0.3~1.0 m·s^(-2)时与逆行行为正相关。研究成果可为共享电动自行车风险骑行行为辨识、非机动车交通安全管理提供有效的技术支持。

关键词：交通工程逆行影响因素可解释机器学习共享电动自行车轨迹数据 CatBoost模型

一种数据驱动的暂态电压稳定评估方法及其可解释性研究

在线全文

学校读者我要写书评

暂无评论

电网技术 2021年第11期45卷 4416-4425页

作者：周挺杨军詹祥澎裴洋舟张俊陈厚桂朱凤华武汉大学电气与自动化学院湖北省武汉市430072 复杂系统管理与控制国家重点实验室(中国科学院自动化研究所) 北京市海淀区100190

将数据驱动方法用于电力系统暂态电压稳定评估可以较好地兼顾预测速度与准确性,但存在模型泛化能力不佳及可解释性差等问题。利用系统故障后采集的物理量作为输入特征,基于支持类别特征的梯度提升(gradient boosting with categorical f... 详细信息

将数据驱动方法用于电力系统暂态电压稳定评估可以较好地兼顾预测速度与准确性,但存在模型泛化能力不佳及可解释性差等问题。利用系统故障后采集的物理量作为输入特征,基于支持类别特征的梯度提升(gradient boosting with categorical features support,catboost)算法构建暂态电压稳定评估模型。在模型训练中采用排序提升的方法避免预测偏移问题,提升准确性;使用对称决策树以提高计算效率;同时考虑数据的类别不平衡特性,采用代价敏感手段提高模型的分类性能。为了提高模型的可解释性,提出基于SHAP理论的暂态电压稳定评估归因分析框架,通过计算Shapley值的平均绝对值大小得到暂态电压稳定特征重要性排序,并根据每个特征的边际贡献,进一步量化不同输入特征对模型输出结果的影响。在新英格兰10机39节点系统上的测试结果表明,所提方法比其他机器学习算法具有更高的预测准确性与更快的预测速度,基于Shapley值的归因分析方法能够有效地解释输入特征对暂态电压稳定的影响以及机器学习模型对样本的预测结果。

关键词：暂态电压稳定评估数据驱动 CatBoost模型可解释性 Shapley值

在线全文

学校读者我要写书评

暂无评论

基于数据挖掘的电信用户流失预测研究

基于数据挖掘的电信用户流失预测研究

作者：曹蕾山东师范大学

学位级别：硕士

随着电信行业的飞速发展,市场竞争越来越激烈,新增用户空间不大且增加成本较高,运营商越来越重视向用户存量方向的发展,目前,用户流失预测问题已经逐渐成为运营商业务分析的重要环节。如何从海量的数据中获取有价值的用户信息,预测潜在... 详细信息

随着电信行业的飞速发展,市场竞争越来越激烈,新增用户空间不大且增加成本较高,运营商越来越重视向用户存量方向的发展,目前,用户流失预测问题已经逐渐成为运营商业务分析的重要环节。如何从海量的数据中获取有价值的用户信息,预测潜在的流失用户,制定合适的挽留策略,减少用户流失带来的损失,对电信运营商来说具有重要的意义。基于此,本文利用数据挖掘技术对某电信运营商数据进行分析,建立用户流失预测模型。首先,基于Kaggle平台某电信运营商用户流失情况的数据集,对数据进行可视化分析和预处理,为后续建模做准备。本文通过对数据进行可视化分析,初步了解各变量对用户流失的影响情况。对数据的预处理包含了对缺失值的处理、对分类变量的编码、对数据的标准化和不平衡处理。针对数据的不平衡问题,分别采用SMOTE算法、ADASYN算法、KMeans-SMOTE算法和Borderline-SMOTE算法,并对处理后的数据分别建立Random Forest模型。通过比较模型的评价指标,最终选取SMOTE算法对本文数据进行不平衡处理。其次,采用嵌入法进行特征选择,通过建立Random Forest模型、Ada Boost模型、Extra Tree模型、GBDT模型和Decision Tree模型分别对特征变量进行重要性排序,根据利用加权平均得到的各变量重要性结果,最终选取27个对用户流失影响较大的变量用于后续的建模中。然后,针对电信用户流失预测问题,分别Logistic回归、Random Forest、Light GBM、Ada Boost和Cat Boost五种算法构建模型。对比五种模型在测试集上的各项评价指标得到,Cat Boost模型的预测效果最好,其次是Ada Boost模型和Light GBM模型。最后,基于已建立的五种模型,分别采用Stacking、硬投票和软投票三种方法进行模型融合,通过比较模型评价指标得到三种方法均使得模型的预测能力得到提升。以Random Forest、Light GBM、Ada Boost和Cat Boost四种模型为初级学习器,以Logistic回归模型为次级学习器,建立Stacking融合模型的准确率为81.64%,召回率为84.53%,AUC为0.9153,均达到最高,说明模型的泛化能力最好,且模型不存在过拟合现象,具有较强的稳健性。

关键词：电信用户流失特征选择 CatBoost模型 Stacking融合模型

中国移动5G套餐潜在用户预测与营销策略分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国移动5G套餐潜在用户预测与营销策略分析

作者：房文涵中央财经大学

学位级别：硕士

随着国家紧锣密鼓的建设5G基站、完善配套设施、延伸应用领域,5G时代正式拉开帷幕,提高5G网络的覆盖率,推广5G套餐成为当务之急。在此基础之上,助力我国5G商业化进程,提高我国移动手机用户5G套餐使用占比。经过多年研究与努力,运营商在... 详细信息

随着国家紧锣密鼓的建设5G基站、完善配套设施、延伸应用领域,5G时代正式拉开帷幕,提高5G网络的覆盖率,推广5G套餐成为当务之急。在此基础之上,助力我国5G商业化进程,提高我国移动手机用户5G套餐使用占比。经过多年研究与努力,运营商在用户是否离网预测、性别判断、年龄估计以及满意度的评估与分析等方面已经拥有了一定的研究成果。但是,只有这些还是远远不够的,对于用户业务套餐升级或者改变的意愿研究稀缺。本文基于每月用户更换5G套餐数据,分析4G用户更换5G套餐的行为特征,从更换5G套餐的4G用户的基础信息、消费行为、超套信息、宽带信息、其他信息等维度,利用Cat Boost算法构建5G套餐潜客识别模型,并与其他模型进行结果比较,识别出目前4G用户具有更换5G套餐的需求群体,进行5G潜客营销,精准营销从而降低成本、提高收益。综合探索性数据分析结果,总结出5G套餐潜在用户的共同特征。本文选取相关数据集,共包含14万条数据,40个相关变量。其中包括用户的基础信息、消费行为、超套信息、宽带信息、其他信息等37个用户特征指标(包括用户在4G套餐时期的数据);用户标识(ID)、用户编号以及该月是否升级为5G套餐。结果表明,年龄在40～60岁的男性三星级用户构成了目前5G套餐用户群体的绝大部分,5G套餐用户的月均资费在100元左右,月均流量使用在千兆级别。另外,家庭用户中5G套餐用户占比较高,集团用户群体同时也是5G套餐用户的重要来源之一。综合以上多个条件,能更加准确的筛选出5G套餐的潜在用户;运营商也能够有的放矢,针对潜在用户加大营销力度、给予优惠政策等等,进而降低营销成本,实现精准营销。本文对5G套餐潜在用户的预测属于二分类问题。预测模型的建立包括数据预处理、探索性数据分析、特征工程、模型的训练与评估。首先进行数据预处理,并对处理后的数据进行初步分析,并据此构建衍生变量;利用相关系数检验以及Light GBM算法筛选重要特征,计算变量累计贡献率,剔除无关变量。Cat Boost是俄罗斯公司在2017年创新开源的机器学习算法,隶属于Boosting算法族的一种,由Catgorical和Boost组成,无需调参、支持类别变量、快速预测等特性极大的提高了模型的泛化与预测水准。本文利用Cat Boost算法建立5G套餐潜在用户预测模型,计算特征变量重要度得分及排名;计算准确率、召回率、F1值、AUC值、KS值等指标,对模型预测性能进行全方位、多层次的综合评估;同时与XGBoost模型、Logistic回归模型、AdaBoost模型、Light GBM模型结果进行对比,进一步说明Cat Boost模型的优越性。结果表明,基于本文的数据集,结合评价指标结果综合来看,Cat Boost模型相较于Ada Boost模型以及Logistic回归模型来说,都具有绝对优势。而与Light GBM模型相比,在F1值、召回率等指标上表现更好,在AUC值与准确率等指标上不相上下,这表明Cat Boost模型对于正样本的预测准确率是非常有保证的;与XGBoost模型相比,在精确度与AUC值上表现更好,极为有效的提高了模型的预测精度。综上所述,这说明Cat Boost模型性能已经能够很好地满足商用要求,准确识别5G套餐潜在用户的能力也是可以信赖的。由预测模型分析可得,居住地以及工作地是否覆盖5G、近三月用户月均资费、近三月用户月均流量使用量、近三月用户月均语音通话分钟数、是否为家庭用户等特征变量对于移动用户能否转化为5G套餐用户有重要作用,这与探索性数据分析的结论是一致的。运营商可根据预测模型对用户进行预测,及时识别用户的套餐升级需求,对用户升级5G套餐提供决策依据。根据上述对于5G套餐用户的预测与分析,本文得出了影响用户升级5G套餐的关键因素,并据此提出以下营销建议:国家信用背书、政策支撑,加大优惠补贴政策力度,消除用户后顾之忧;国家更加注重基站建设问题,财政资金予以支持,投资建设、完善相关基础设施,缓解运营商资金压力,从而有效降低5G套餐资费;完善5G相关产业链建设,集中精力进行科研创新,拓展开发5G网络应用场景,深挖用户需求,吸引用户升级;培养5G专业建设人才,定期组织、开展相关技能培训;制定客户挽留政策,减少用户流失造成的损失;丰富5G套餐种类,根据不同用户的自身特点量身定制,如针对农村用户推出低价套餐、针对学生用户推出试用套餐、针对集团用户推出团购优惠等等;加大“家庭套餐”优惠力度,积极响应国家携号转网政策实施。

关键词： 5G套餐潜客识别探索性数据分析 CatBoost模型 LightGBM模型 XGBoost模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

心血管疾病预测的机器学习方法研究

心血管疾病预测的机器学习方法研究

作者：方婷婷黑龙江大学

学位级别：硕士

心血管疾病是一种致残率和死亡率极高的慢性疾病,近年来,对我国公共医疗卫生事业的发展造成了阻碍。现如今多数研究注重疾病的治疗,而忽略了疾病预防方面的工作。如果能进行较为有效的心血管疾病的预测,就可以在一定程度上保障居民的身... 详细信息

心血管疾病是一种致残率和死亡率极高的慢性疾病,近年来,对我国公共医疗卫生事业的发展造成了阻碍。现如今多数研究注重疾病的治疗,而忽略了疾病预防方面的工作。如果能进行较为有效的心血管疾病的预测,就可以在一定程度上保障居民的身体健康。随着大数据分析的快速发展,机器学习方法在处理复杂数据时可以得到较高的准确率,因此本文在机器学习的基础上进行心血管疾病的预测研究,从年龄、性别、收缩压、舒张压、身高、体重、是否吸烟、是否经常锻炼、是否饮酒、胆固醇、血糖这11种影响心血管疾病的因素入手,对是否得心血管疾病进行详尽的描述性统计分析,从而分析影响该疾病的最主要因素,通过建立模型对心血管疾病进行深入的统计分析,并对心血管疾病进行预测。本文运用的是逻辑回归模型、决策树模型以及一种新型的boosting算法―Cat Boost模型,最后对各个模型的准确率及预测效果进行评价,从而得出Cat Boost模型是最适合本文数据的模型。此分析结果对心血管疾病预测领域的研究有一定的参考性,也为其他疾病预测的完善与发展打下了一定的基础。

关键词：心血管疾病机器学习逻辑回归模型 CatBoost模型决策树模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

引入文本挖掘的制造业上市企业信用风险研究

引入文本挖掘的制造业上市企业信用风险研究

作者：袁叶郑州大学

学位级别：硕士

信用风险已成为了国内外许多投资人、企业、政府金融监管组织所要面对的重要风险。将量化的互联网财经新闻引入对信用风险的研究中,对挖掘企业潜在价值信息和加强企业信用风险管理都具有重要的实践和理论意义。各行业均具有其行业特色,... 详细信息

信用风险已成为了国内外许多投资人、企业、政府金融监管组织所要面对的重要风险。将量化的互联网财经新闻引入对信用风险的研究中,对挖掘企业潜在价值信息和加强企业信用风险管理都具有重要的实践和理论意义。各行业均具有其行业特色,进行文本挖掘时选择某一行业作为研究对象更为科学合理。众所周知,制造业是影响国民经济命脉的基础产业和支柱产业,因此研究上市制造业的信用风险问题具有重要的实际意义。本文以沪深主板A股上市的1875家制造业企业作为研究对象,利用网络爬虫技术获取各企业2020年新浪财经新闻,采用文本挖掘技术将文本数据量化,再结合各企业2020年公开的财务指标构建Cat Boost模型。建模前先对数据集进行预处理,主要是解决数据的缺失问题。然后,为避免特征冗余,分别采用Filter过滤法、特征重要性排序法、LASSO回归等三种不同的方法进行特征筛选。其次,采用SMOTE-ENN算法进行重采样解决样本严重的不平衡问题,建立基于不同特征选择方法的CatBoost模型并进行模型评估。最后,采用SHAP解释法对模型的预测结果进行解释。实证结果表明在三种不同特征选择方法下,含有量化后文本数据指标的混合指标模型预测效果都要优于纯财务指标模型。除此之外,采用特征重要性排序法进行特征选择的混合指标模型效果优于Filter过滤法特征选择方法下的模型效果和LASSO回归特征选择方法下的模型效果。

关键词：制造业信用风险文本挖掘特征工程 CatBoost模型