基于不平衡数据的多分类航班延误预测方法研究

航班延误会给旅客和航空公司带来诸多不便和损失,影响到整个出行体验和航空运营效率,为为了增强航班延误预测的可靠性,构建一种基于极端随机树的航班延误预测模型。首先,该模型结合美国航班数据和对应机场气象数据,通过递归特征消除和交叉验证算法进行特征选择,以识别出最相关的特征。其次,使用SMOTETomek算法对数据集进行平衡,以解决样本不平衡的问题。最后,使用极端随机树进行建模。将本文中的模型,与其它先进机器学习模型进行对比。结果表明,所提模型在各种预测指标中获得了更准确的预测结果。预测精度提升到了97%以上。