一种基于回归树模型的精准营销业务解析方法

数字营销是各大电信运营商进行客户价值挖掘及存量维系的总趋势,当前业务人员均积极使用各种机器学习模型对目标客户群进行圈选以支撑后续的深度精准营销工作,但是不易理解的“黑盒”化机器学习模型给业务人员的营销策略制定带来了巨大的挑战。文章创新性的提出了一种模型可解释的方法,其通过回归树算法对前向的机器学习挖掘模型进行反向解释,从而透析出有明显特征差异的业务规则链条,助力业务人员实现精准营销和精细化决策。

基于分类回归树模型的兰渝线陇南段铁路职工血脂异常流行现状及影响因素分析

目的:基于兰渝线陇南段铁路职工健康体检数据,建立血脂异常发生风险的预测模型。方法:选取2016—2021年参加健康体检的兰渝线陇南段铁路职工作为研究对象,评估并比较血脂正常与血脂异常人群的体检指标。共纳入3970人,其中男性3625人(91.31%)、女性345人(8.69%)。建立分类回归树模型预测血脂异常发生风险。结果:血脂正常人群为2794人(70.38%),血脂异常人群为1176人(29.62%)。同年度比较,血脂异常人群平均年龄、身体质量指数(BMI)均显著高于血脂正常人群,且以男性和超重肥胖者居多;血脂异常人群甘油三酯、总胆固醇、低密度脂蛋白显著高于血脂正常人群,高密度脂蛋白显著低于血脂正常人群;血脂异常人群收缩压(除2016年外)和舒张压均显著高于血脂正常人群。2020年和2021年血脂异常人群的血糖值显著高于血脂正常人群。2019—2021年血脂异常伴高血压或糖代谢异常的人群占比也显著升高。分类回归树模型分析结果显示,BMI是脂代谢异常重要的预测因素,当BMI超过22.78 kg/m^(2)时脂代谢异常占比上升至43.40%;当BMI超过26.46 kg/m^(2)时脂代谢异常占比上升至57.50%。结论:兰渝线陇南段铁路职工血脂异常检出率为29.62%,BMI是血脂异常重要的预测因素。

基于回归树模型的招生宣传调查问卷分析

对在M大学2019—2021级新生中开展的招生宣传调查问卷进行分析,以期通过新生反馈的情况,提出切实有效的高校招生宣传策略。应用描述性统计分析方法和回归树模型对2019—2021年M大学招生宣传调查问卷进行统计分析。结果表明:高考后填报志愿前是考生搜寻和了解大学招生信息的高峰期;考生对高校院系、专业和课程介绍及师资情况等宣传内容关注度最高。在做公益系列讲座时,M大学应该加大宣传力度,利用好自媒体及网络资源进行宣传,以期让更多考生关注该校信息,满足考生对高校招生信息了解的需求。M大学应加强生源基地建设,稳定招生规模;加强与高中学校间的校际交流,提升高校在高中师生中的知名度和美誉度;探索和拓展招生宣传渠道,将多种宣传方式有机结合;与时俱进,紧跟新媒体时代发展,迎合新时期考生的招生信息需求。

分类回归树模型对护士抑郁结局预测研究

基于CART分析护士抑郁影响因素,以关注护士职业发展并关注护士生活情感,降低抑郁情绪的发生。

基于增强回归树模型评估宁夏回族自治区气象因素和大气污染物对流行性腮腺炎发病影响

目的评估宁夏回族自治区气象因素和大气污染物对流行性腮腺炎发病的影响,为流行性腮腺炎的早期预防和反应系统的建设提供参考依据。方法收集宁夏回族自治区2015年1月1日—2019年12月31日流行性腮腺炎的发病数据以及每日气象和大气污染物数据,应用增强回归树(BRT)模型来确定最能解释流行性腮腺炎新发病例的气象因素和大气污染物的最佳滞后,并评估该地区气象因素和大气污染物对流行性腮腺炎发病的影响。结果宁夏回族自治区2015—2019年流行性腮腺炎新发病例数为6660例,其中男性3936例(59.1%),女性2724例(40.9%);年龄<4岁2230例(33.5%),4~15岁3537例(53.1%),>15岁893例(13.4%)。BRT模型验证结果显示,滞后7 d时模型具有最大的训练集受试者工作特征曲线下面积(AUC)值为0.915、测试集AUC值为0.717、标准误为0.027,宁夏回族自治区1周前气象因素和大气污染物对流行性腮腺炎新发病例变化的解释作用最大。BRT模型分析结果显示,日均气温对流行性腮腺炎发病的相对重要性最大为26.36%,其次为日均相对湿度,相对重要性为13.90%;日均气温–3℃~23℃和日均相对湿度>40%为流行性腮腺炎发病风险增加的原因;较高的日均气压和日均风速对流行性腮腺炎的发病具有抑制作用;空气中臭氧(O_(3))浓度较低时对流行性腮腺炎的发病具有促进作用;空气中二氧化硫(SO_(2))浓度<100μg/m^(3)时对流行性腮腺炎的发病具有促进作用,浓度≥100μg/m^(3)则转变为抑制作用;较低浓度的一氧化碳(CO)、二氧化氮(NO_(2))、细颗粒物(PM_(2.5))和可吸入颗粒物(PM_(10))均对流行性腮腺炎的发病具有促进作用。结论宁夏回族自治区日均气温、日均相对湿度、日均气压、日均风速等气象因素以及O_(3)、SO_(2)、CO、NO_(2)、PM_(2.5)、PM_(10)等大气污染物在一定范围内对流行性腮腺炎的发病均具有显著促进作用。

基于分类与回归树模型对创伤性颈脊髓损伤患者行气管切开的预测研究

目的在确认创伤性颈脊髓损伤(TCSCI)气管切开的危险因素的基础上,构建分类与回归树(CART)模型以指导气管切开。方法回顾性分析2009年1月至2018年12月陆军军医大学新桥医院骨科收治的498例TCSCI患者资料,男403例,女86例;年龄(50.2±13.6)岁。其中气管切开69例,未行气管切开420例。统计患者的性别、年龄、吸烟史、致伤原因、神经损伤平面(NLI)、美国脊髓损伤学会(ASIA)分级、创伤严重程度评分(ISS)、胸部损伤、既往肺部疾病、既往基础疾病、手术入路并进行单因素分析。通过二元logistic回归分析行气管切开的危险因素,并在危险因素的基础上建立预测气管切开的CART。结果logistic回归分析显示,年龄>50岁(OR=4.744,95%CI:1.802~12.493,P=0.002)、NLI在C_(4)及以上(OR=23.662,95%CI:8.449~66.268,P<0.001)、ASIA分级A级(OR=40.007,95%CI:12.992~123.193,P<0.001)及ISS>16分(OR=10.502,95%CI:3.909~28.211,P<0.001)是行气管切开的危险因素。CART显示,ASIA分级A级、神经损伤平面在C_(4)及以上作为第一、第二决策点对行气管切开具有较强的预测作用,ASIA分级A级且神经损伤平面在C_(4)及以上的TCSCI患者行气管切开的比例为86.84%。结论CART模型结果显示神经损伤平面在C_(4)及以上、ASIA分级A级对气管切开具有较强的指导作用。

GLM模型和回归树模型在CPUE标准化中的比较分析

在渔业资源评估中,CPUE(catch per unit effort)标准化是基础性工作。一般线性模型(generalized linear model,GLM)已成为CPUE标准化的基本方法,但GLM模型在误差结构、自变量的选择、缺失数据、复杂交互效应及异常值处理等方面仍然缺乏灵活性。本文基于模拟数据及我国东、黄海鲐鱼(Scomber japonicus)灯光围网渔业数据,比较和分析了基于GLM模型与回归树模型在CPUE标准化中的效果。研究表明:当渔业数据不存在非线性关系与异常值时,GLM模型与回归树模型均能较好地对CPUE进行标准化,但由于回归树模型具有阶跃函数特征,因而GLM模型更具优势;在非线性关系及异常值存在的条件下,回归树模型对CPUE的标准化具有相对较小的估计误差,模型更简约、有效。由于回归树模型能可视化显示自变量与应变量间的复杂关系,因此,更有利于探索和分析渔业数据。

基于增强回归树模型的三江源国家公园表层土壤储水及水源涵养功能的评估

三江源国家公园表层(0~30 cm)土壤水分性状是区域水源涵养功能及生态承载力评估的重要基础,但地面数据的缺乏限制了相关研究结果的准确性。以青海高原典型区域表层土壤水分的长期监测数据为基础,结合气温、降水、蒸散发、归一化植被指数、海拔、坡度和坡向等因子,构建了增强回归树模型以量化三江源国家公园表层土壤储水及其水源涵养功能。结果表明,三江源国家公园平均表层土壤现实储水量、有效储水量及水源涵养量分别为75.20±1.98、50.52±2.53及73.79±68.45 mm。在未考虑冰川冻土消融的情况下,区域平均最大、现实和最小产流量分别为47.75±65.75、-2.78±64.45和-30.48±65.16 mm。三江源国家公园表层土壤现实储水及水源涵养功能均呈现出从西北到东南逐渐升高的空间趋势,其总量分别为30.48亿t和50.80亿t,约79%集中于高寒草甸。研究结果可为三江源国家公园水资源承载力的评估和功能区划提供数据支撑。

增强回归树模型在青藏高原高寒灌丛通量数据插补中的应用

涡度相关技术连续观测的碳水通量是准确评估生态系统固碳持水等生态功能的重要基础数据,由于通量观测数据的缺失十分常见且比例较高,引入现代机器学习算法以发展缺失数据的插补方法对降低研究结果不确定性具有重要意义。该研究利用青藏高原东北隅高寒金露梅(Potentillafruticosa)灌丛已发布的2003-2005年水、热、CO_(2)通量数据集,结合气温、大气水汽压、风速、太阳短波辐射、表层土壤温度和表层土壤含水量等主要环境因子构建了增强回归树模型(BRT)以插补缺失通量数据,并与中国通量观测研究联盟(China FLUX)的数据序列进行了比对,以评估BRT在通量数据集成分析中的应用。BRT对大样本(N>10000)通量数据具有较好的模拟效果,观测值与模拟值的回归斜率为1.01-1.05(R^(2)>0.80)。BRT表明植被生长季(5-10月)白天30min净CO_(2)交换量(NEE)主要受控于太阳短波辐射和大气水汽压,二者对NEE变异的相对贡献之和为74.7%。表层土壤温度是生长季夜间及非生长季全天30minNEE的主要驱动因子,其相对贡献为68.5%。30min显热通量(H)和潜热通量(LE)均主要受控于太阳短波辐射(相对贡献大于58.6%)。BRT插补的30 min缺失通量数据均显著小于China FLUX的插补结果。除逐日NEE无显著差异外(p=0.14),BRT的逐日生态系统总交换(GEE)、生态系统呼吸(RES)、H和LE极显著小于ChinaFLUX的数据序列分别约17.5%、21.0%、2.7%和2.2%,但由于量级差异较小,二者具有较高的一致性(数据序列的回归斜率在0.95-1.17)。除逐月GEE和RES外,BRT的逐月NEE、H和LE与ChinaFLUX的数据序列无显著(p>0.09)差异。相对于ChinaFLUX数据插补方法,BRT不需要复杂的数学表达就可模拟主要环境因子的非线性作用特征,从而进行缺失通量数据的插补,是通量数据集成分析的一种可行方法。

农户参与森林碳汇经营管理意愿的影响因素分析——基于增强回归树(BRT)模型的实证研究

森林碳汇对于应对全球气候变化具有重要的意义。农户作为林业生产经营的主体,探寻农户参与森林碳汇的影响因素,对制定相应的调控措施具有积极的参考价值。本文基于江西省5大森林公园周边乡镇的453户农户的调查,利用调查所得数据,运用增强回归树(BRT)模型分析影响农户参与森林碳汇经营的各因素的影响差异及规律,结果表明:所调查地区的农户森林碳汇经营的意愿不太高,农户的森林碳汇经营管理程度有待加强;农户森林碳汇经营意愿主要受到森林碳汇经营管理预期和政府相关政策的影响,家庭特征次之,个人特征和森林碳汇认知水平较弱;未来信心、政策落实、成本态度、补偿形式、积极性影响、文化程度、碳汇功能认知是影响农户参与碳汇林经营管理的主要影响因素。

路网时窗排序的回归模型树轨迹索引

最近,通过学习型索引取代传统索引以减少索引大小和提高查询效率受到广泛关注.轨迹点在路网和时间维度的连续性难以刻画,数据分布倾斜普遍存在,现存的学习型索引不能有效地支持其查询.提出一种基于路网时窗排序的回归模型树,以支持点和范围查询,含数据排序和模型训练两个阶段:首先,结合希尔伯特曲线和模拟退火寻找保持道路临近性的路段排序,进而采用两层划分获取轨迹点的一维排序,保证时空近邻点排序后彼此靠近;其次,引入回归模型树映射轨迹点和存储位置,提出批量加载和周期更新两种训练模式.真实和模拟数据集上的实验表明,在保证和传统索引可比的查询性能前提下,大幅度降低索引大小,有效地支持以读为主的历史轨迹数据查询.

基于梯度提升回归树的城市道路行程时间预测

为了提高行程时间的预测精度,在考虑时间序列相关性的同时,分析相邻路段的空间相关性对于行程时间的影响,并提出基于梯度提升回归树模型的城市道路行程时间预测方法.对车牌识别设备获取的实际数据进行预处理,并提出相应的补全算法以解决数据缺失问题,建立完整的历史数据集.通过分析各影响因素与行程时间的相关性,构建特征向量.为了能更好地理解模型,通过梯度提升回归树模型输出各变量对于预测结果的重要度.利用实际数据对模型进行评估,预测行程时间的平均绝对误差百分比,约为10.0%.与SVM、ARIMA等方法相比,所提方法具有较高的精度.

基于决策树模型的耕地地力与玉米丝黑穗病发生关系研究

为了探究耕地地力与玉米丝黑穗病发生关系,本研究以515个主要玉米种植县域为研究区域,选取有机质(Organic matter,OM)、全氮(Total nitrogen,TN)、全磷(Total phosphorus,TP)、全钾(Total potassium,TK)、有效磷(Available phosphorus,AP)、速效钾(Available potassium,AK)和pH 7种耕地地力因子,分别利用分类与回归树(Classification and regression tree,CART)模型、随机森林(Random forest,RF)模型和极端随机树(Extremely randomized trees,ERT)模型构建了玉米丝黑穗病发生程度与耕地地力因子关系模型,并进行了3种模型效果比较。结果表明:RF和ERT模型总分类性能明显优于CART模型,3个模型在病害发生程度1级(GⅠ)上的查准率(Precision,Pr)、查全率(Recall,Re)、F1 score(F1)值均较高,分类效果比病害发生程度2级(GⅡ)要好,但考虑到准确监测病害高发情况、减少高发病情况在分类预测中漏分机率对开展病害防治的重要性,确定ERT模型为最佳优选分类器。耕地地力特征变量与病害发生程度重要性分析表明,玉米丝黑穗病发生程度与耕地地力因子AP、TK、pH和TP具有一定的相关性。研究结果为深入探究耕地地力对玉米丝黑穗病影响机理提供了线索和支撑。

基于袋装回归树的高铁车体振动耦合因素分析及建模研究

高铁车体振动状态是列车运行安全性和乘坐舒适性的重要指标,且影响参数较多,如何利用小样本数据准确获取车体振动参数是目前需要解决的一个难题。结合Pearson和Spearman两种相关性算法,计算高铁车体3个方向的振动加速度与测量参数之间的相关系数,通过设定阈值确定耦合因素及训练集,并利用袋装集成算法和回归树算法构建以车体振动加速度为输出的耦合关系模型。为了验证耦合因素分析及模型的有效性,利用GJ-5轨检车测量数据,将模型的输出结果与所有检测参数训练下的输出结果及实际测量数据进行对比。实验及分析结果表明,在样本数据减小了74%情况下模型精度相当。因此耦合关系模型可用于在小样本下快速准确获取车体振动加速度。

教育增值评价:模型、应用及研究展望

教育增值评价是对研究对象在一定时期的“净产出”进行评价。从增值评价模型、分析方法、实证研究和本土化实践方面展开评述。首先,根据增值评价方法基于的统计理论将其划分为基于描述统计、统计回归和机器学习算法三类。然后,对这三类增值评价方法的数据要求、分析软件、优缺点以及实践应用进行介绍和评价。最后,对所有增值模型进行综合比较,提出模型选择建议,并从深入增值评价理论研究、构建“以测助评、以评促教”良性循环、重塑增值价值理念三个维度讨论了增值评价未来研究方向。

基于GAM和BRT模型的不同渔汛期水温垂直结构对西北太平洋柔鱼CPUE的影响

为探究水温对西北太平洋柔鱼(Ommastrephes bartramii)单位捕捞努力量渔获量(CPUE)的影响,利用2015—2019年间5—11月西北太平洋柔鱼的生产统计数据,结合同时期海洋环境数据,对不同渔汛阶段分别采用广义加性模型(generalized addictive models,GAM)及提升回归树(boosting regression tree,BRT)模型,分析不同水层(0-300 m)温度及垂直温度梯度对CPUE的影响,并采用多次十折交叉验证评估了两种模型的稳定性和准确性。结果表明:渔汛初期(5—7月),GAM模型筛选的关键因子依据偏差解释率大小依次为纬度(Lat)和150 m水层温度(T_(150))、50-100 m水温梯度(G_(50-100))、经度(Lon)和100-150 m水温梯度(G_(100-150)),BRT模型筛选出的关键因子按贡献率大小依次为表层温度(T_(0))、0-50 m水温梯度(G_(0-50))、50 m水层温度(T50)、Lat和G_(50-100);渔汛旺期(8—11月),GAM模型筛选出的关键因子依据偏差解释率大小依次为Lat、Lon、T_(0)、G_(0-50)和G_(50-100),BRT模型筛选出的关键因子按贡献大小率依次为G_(0-50)、Lon、T_(0)、Lat和T50;两种模型比较显示,BRT模型在拟合优度方面优于GAM模型。研究表明,不同渔汛阶段西北太平洋柔鱼CPUE的关键影响因素有所不同,渔汛初期中上层水温对CPUE影响较大,而渔汛旺期浅水层水温对CPUE贡献较大。

4种遥感数据时空融合模型生成高分辨率归一化植被指数的对比分析

【目的】针对时空融合方法在遥感植被状况调查及动态变化监测中的应用,比对时空自适应反射率融合模型(STARFM)、增强型时空自适应反射率融合模型(ESTARFM)、回归拟合空间滤波和残差补偿模型(Fit-FC)和规则集回归树融合模型(RPRTM)等4种时空融合模型对归一化植被指数(NDVI)的融合效果。【方法】以三江源地区2块具有差异性地表特征的区域为研究样地,采用上述4种时空融合方法,融合空间分辨率30 m的Landsat 8影像和250 m时间步长16 d的MODIS NDVI数据,生成步长为16 d的30 m空间分辨率的NDVI数据。基于Landsat NDVI影像通过定性的目视判别和定量的统计分析来评价不同融合模型结果的空间特征模拟效果,并以真实的MODIS NDVI时间动态为参考,分析了不同融合方法对地表植被动态特征的拟合效果。【结果】(1)关于空间特征的捕捉,在地表覆盖状况较复杂的区域,RPRTM融合效果最佳(R2=0.82);而对于输入影像差异较大的区域,ESTARFM融合效果最佳(R2=0.95)。(2)关于时间动态的捕捉,RPRTM针对不同的植被型均取得了最佳效果(R2为0.97~0.99)。(3)相对于模型输入数据的时空可比性,地表异质性对STARFM和ESTARFM融合效果的影响更大。【结论】4种时空融合模型能有效用于生成高时空分辨率的NDVI数据,不同模型其融合效果各有不同,RPRTM在复杂地表区域与模拟植被生长动态变化中均有较好表现。

基于图像处理和GBRT模型的表土层土壤容重预测

针对传统的表土层土壤容重测量方法费时、耗力的问题,利用易获得的土壤物理参数实现农田大范围表土层土壤容重的快速、准确预测。通过分析表土层土壤容重与土壤表面粗糙度、土壤阻力的关系,构建了以土壤表面粗糙度和土壤阻力为输入的GBRT模型,土壤表面粗糙度利用图像处理技术获得,土壤阻力使用实验室车载式阻力测量系统获得。使用同态滤波技术对土壤表面图像进行预处理,提取图像灰度直方图的熵、平均值、方差、偏度和峰度表征图像的纹理特征参数,提取图像灰度共生矩阵的能量、熵、对比度和逆方差表征图像的区域特征参数。利用灰度关联分析,从9个表征土壤表面粗糙度的特征参数和土壤阻力中选取与表土层土壤容重关联度大于0.65的变量作为模型输入,将得到的GBRT模型预测结果与环刀法得到的结果进行相关性分析,R2达到0.8782,平均绝对误差达到0.021 g/cm^3。同时在相同的输入参数和运算环境下,与BPNN和SVR模型的预测精度和运算速度进行了对比,验证得到GBRT模型具有更高的预测精度和更短的运算时间。本文研究结果为科学指导农田表土层土壤容重的获取提供了思路。

中国耕地补充与撂荒的空间关系识别及其失衡归因

研究目的:探究耕地补充与耕地撂荒的空间匹配关系,为耕地保护和开发提供科学依据。研究方法:遥感监测、空间自相关分析、空间失衡指数、地理探测器和增强回归树模型。研究结果:(1)近20年中国耕地年均补充263.22×10^(4) hm^(2),年均补充率为1.39%,集中分布于西北、东北和西南地区。耕地年均撂荒226.68×10^(4) hm^(2),年均撂荒率为1.19%,主要分布于黄河中游和西南地区。(2)耕地补充和耕地撂荒之间以轻度失衡和不失衡为主,但极度失衡和重度失衡的单元数量逐年增加。至2020年,中度、重度和极度失衡的单元占16.87%,主要分布在西北、黄河中游、西南和南部沿海地区。(3)高—高集聚和低—低集聚是耕地补充和撂荒失衡的主要空间集聚模式。其中,高—高集聚区集中在西北、黄河中游、西南和南部沿海地区,低—低集聚区集中在东北、长江中游、西南和北部沿海地区。(4)坡度和年平均降水量为耕地补充与撂荒空间失衡主要的自然资源驱动因子,非农从业人数、农业机械总动力是主要的社会经济驱动因子。研究结论:耕地补充和撂荒之间空间失衡具有复杂性且受当地自然条件和经济社会因素的交互影响,未来应基于不同的情景和目标综合确定最优的利用模式,为高质量耕地保护提供科学依据。

石羊河流域生态系统服务相互作用的时空变化及驱动机制研究

了解生态系统服务的时空变化及其内部复杂关系对管理生态系统服务是至关重要的。以石羊河流域为研究区,评估流域2010、2015年和2020年6种生态系统服务,分析栅格和乡镇尺度上生态系统服务权衡协同及生态系统服务簇的时空变化,利用增强回归树模型探讨研究区生态系统服务簇的驱动机制。结果表明:(1)各类服务空间分异明显,产水量、碳储量、土壤保持和生境质量呈“西南高-东北低”的空间格局,粮食供应主要集中于流域中部和北部的耕地区,休闲娱乐高值区分布于流域南部及中部和北部人口密集地区;研究期间内各类服务均有不同程度提高,其中土壤保持的增幅最大,碳储量和生境质量增幅较小。(2) 2个尺度上生态系统服务权衡协同作用呈相似性,但权衡协同作用强度不同,总体上表现为12对协同关系,3对权衡关系。(3) 2个尺度上生态系统服务簇的空间格局相似,流域南部分布除粮食供应外其他5种服务为主的服务簇,流域中部和北部民勤绿洲地区分布与粮食供应和休闲娱乐为主的服务簇,其他地区的生态环境相对恶劣,分布其中的服务簇内各项服务供应较低;研究期间内服务簇存在明显的空间和数量转移变化。(4)多种因素在研究区生态系统服务簇的变化中起着重要作用,影响因子在不同年份的影响程度略不相同,其中土地利用类型、归一化植被指数、年降水量和海拔是生态系统服务簇变化的重要驱动因子。