基于机器学习算法的网络货运平台车货匹配预测研究

根据影响网络货运平台车货匹配的指标,结合车货市场实际情况,建立网络货运平台车货匹配初始特征集,利用Lasso回归模型和皮尔森相关系数去除价值较低的特征,得到最佳特征集,将其作为网络货运平台车货匹配预测模型的输入。选择具有集成学习特点的Stacking模型作为网络货运平台车货匹配预测模型,通过各基学习器对特征集的训练与测试,得到相应的预测结果,形成新的特征集输入至元学习器,再通过元学习器的训练与测试输出最终网络货运平台车货匹配预测结果。实验证明:该方法可以精准预测网络货运平台车货匹配情况,有效提升资源利用率,具有较强的应用价值。