改进随机梯度上升法在遗址预测中的应用

针对逻辑回归在遗址分类预测中存在容易欠拟合和分类精度可能不高的缺点,对其进行最优化算法的改进,通过GIS空间分析方法提取研究区域人文环境变量和自然环境变量,借助Python语言编写程序中的Numpy和Matplotlib模块,分别利用逻辑回归常用的梯度下降法及一种改进的随机梯度上升法求解模型回归系数,建立汾河流域龙山文化时期的遗址预测模型,对其预测结果进行分析对比,最终进行Kvamme增益统计有效性验证。实验结果表明,改进随机梯度上升算法较梯度下降算法分类精度可以提高17.3%,另外高概率区的G值为0.75,表明模型具有较高的实际应用意义。