期刊文献+
共找到19篇文章
< 1 >
每页显示 20 50 100
一种基于梯度提升树算法的DGA域名检测方法 被引量:1
1
作者 冯中华 黄河 +2 位作者 周佳 刘晓毅 张文博 《通信技术》 2022年第11期1477-1483,共7页
勒索病毒、僵尸网络等恶意软件在互联网日益泛滥,已成为威胁网络安全运行的重要因素。域名作为恶意软件与命令和控制(Command and Control,C&C)服务器的主要通信方式,是检测和防范的重要途径。但域名生成算法(Domain Generation Alg... 勒索病毒、僵尸网络等恶意软件在互联网日益泛滥,已成为威胁网络安全运行的重要因素。域名作为恶意软件与命令和控制(Command and Control,C&C)服务器的主要通信方式,是检测和防范的重要途径。但域名生成算法(Domain Generation Algorithm,DGA)的不断改进发展,给传统的基于威胁情报的检测方式带来了巨大挑战,而机器学习技术逐渐成为应对DGA域名的主要途径。梯度提升树算法作为机器学习中重要的分类算法,能够适应DGA域名检测场景。基于XGBoost框架,采用开放域名数据作为样本集,研究了基于梯度提升树算法的DGA域名检测方法,并通过域名向量转换、检测模型训练、参数调优,实现了一个高效的DGA域名检测模型。 展开更多
关键词 梯度提升 DBDT DGA域名 xgboost 机器学习
下载PDF
基于CFS特征选取与极限梯度提升树的短期风电功率预测 被引量:1
2
作者 李浩文 陶子彬 +4 位作者 王坤 曾浩 张熹 熊欢 黄东晨 《电子世界》 2020年第4期37-38,共2页
在风力发电工程的实际应用中,气候是影响风电输出功率的主要因素。为从众多气候因素中筛选重要的特征建立精准的预测模型,本文首先利用基于相关性的CFS特征选择算法对原始特征集进行精简。然后,以精简后的特征集作为模型输入,建立基于... 在风力发电工程的实际应用中,气候是影响风电输出功率的主要因素。为从众多气候因素中筛选重要的特征建立精准的预测模型,本文首先利用基于相关性的CFS特征选择算法对原始特征集进行精简。然后,以精简后的特征集作为模型输入,建立基于极限梯度提升树的短期风功率预测模型。最后,对测试集进行短期风功率预测,验证模型的准确性。实例分析结果表明,CFS特征选取算法能够对特征集进行有效精简,而极限梯度提升树相对传统的机器学习模型而言具备更佳的预测效果。 展开更多
关键词 梯度提升 xgboost 特征选取 CFS 短期风电功率预测
下载PDF
采用极限梯度提升算法的电力系统电压稳定裕度预测 被引量:9
3
作者 王慧芳 张晨宇 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2020年第3期606-613,共8页
将极限梯度提升树(XGBoost)算法应用于电力系统电压稳定评估问题.根据电压稳定问题特点,提出能够反映电力系统运行状态的特征集;把电压稳定裕度绝对值作为映射目标,并介绍生成样本集的方法.在介绍XGBoost算法基本原理的基础上,研究该算... 将极限梯度提升树(XGBoost)算法应用于电力系统电压稳定评估问题.根据电压稳定问题特点,提出能够反映电力系统运行状态的特征集;把电压稳定裕度绝对值作为映射目标,并介绍生成样本集的方法.在介绍XGBoost算法基本原理的基础上,研究该算法的技术细节.在IEEE-39节点系统上进行验证,结果表明,XGBoost算法在R方值和平均绝对百分误差2项回归指标上均优于其他几类机器学习算法,且模型的计算速度最快,可以满足在线应用要求.同时,XGBoost算法具有良好的数值错误和数值缺失容错性,并可以针对预测偏差较大的样本进行数据补充,实现模型的更新,使得模型表现趋于稳定. 展开更多
关键词 电力系统 电压稳定性 机器学习 人工智能 极限梯度提升(xgboost)算法
下载PDF
在线医药电商评论情感分析——基于XGBoost集成加权词向量和大语言模型的情感识别模型
4
作者 田梦影 时维 《科技和产业》 2024年第9期128-135,共8页
消费者评论是考察消费者情感的重要数据源,对商品评论进行数据挖掘是帮助在线医药电商改善经营的重要途径。立足于在线医药电商的用户评论,基于SO-PMI(情感倾向点互信息)算法构建该领域情感词典,对评论词向量进行情感加权。利用XGBoost... 消费者评论是考察消费者情感的重要数据源,对商品评论进行数据挖掘是帮助在线医药电商改善经营的重要途径。立足于在线医药电商的用户评论,基于SO-PMI(情感倾向点互信息)算法构建该领域情感词典,对评论词向量进行情感加权。利用XGBoost(极限梯度提升树)集成词向量和LLM(大语言模型)构建情感识别模型,最后得出评论情感指数,从多个维度展开,分析消费者评论中的情感趋势。实证分析表明,构建的情感识别模型的AUC(曲线下的面积)等验证指标较LLM模型相比有进一步提升,具有一定的应用价值。 展开更多
关键词 在线医药电商 LLM(大语言模型) xgboost(极限梯度提升)算法 情感指数 情感识别
下载PDF
基于RFE-BXGBoost的轴承套圈沟道表面缺陷识别方法 被引量:2
5
作者 徐凯 张会妨 《机电工程》 CAS 北大核心 2023年第11期1691-1699,共9页
轴承套圈是轴承部件的重要组成部分,其表面缺陷影响轴承的服役期限。为了解决轴承沟道表面缺陷难以被准确识别的问题,提出了一种基于特征递归消除的贝叶斯极度梯度提升树(RFE-BXGBoost)的轴承套圈沟道表面缺陷识别模型(方法)。首先,基... 轴承套圈是轴承部件的重要组成部分,其表面缺陷影响轴承的服役期限。为了解决轴承沟道表面缺陷难以被准确识别的问题,提出了一种基于特征递归消除的贝叶斯极度梯度提升树(RFE-BXGBoost)的轴承套圈沟道表面缺陷识别模型(方法)。首先,基于特征衍生的思想,对轴承沟道的时域、频域等特征进行了提取,使用了极度梯度提升树(XGBoost)作为基于特征递归消除(RFE)的基学习器,对影响轴承沟道表面缺陷最佳特征子集进行了选择,并过滤了冗余特征;然后,利用基于贝叶斯优化的XGBoost模型组成弱分类器,为了降低模型预测结果的方差,使用有放回随机抽样法,对基分类器进行了选取;最后,根据抽样结果,利用投票法获得了最终的表面缺陷识别结果,并使用轴承套圈沟道实测数据集进行了模型预测性能的测试。实验结果表明:基于RFE-BXGBoost的表面缺陷识别模型的识别准确率为0.90,F1-score为0.879,优于仅使用自适应提升法(Adaboost)、随机森林、梯度提升树的表面缺陷识别结果。研究结果表明:该表面缺陷识别模型对复杂零部件和系统的表面缺陷识别有一定的效果。 展开更多
关键词 滚动轴承 特征递归消除 极度梯度提升 轴承套圈沟道 有放回随机抽样 集成模型
下载PDF
基于XGBoost特征选取和迭加权相关权重矩阵的高分五号遥感影像变化检测 被引量:1
6
作者 魏立飞 张杨熙 +1 位作者 尹峰 黄庆彬 《湖北大学学报(自然科学版)》 CAS 2020年第4期398-403,410,共7页
提出一种基于迭加权相关权重矩阵(IR-CWM),使用XGBoost机器学习模型训练选取特征变化波段,训练预测变化检测结果的方法(IR-CWM-XGB).以国产高分五号(GF-5)高光谱遥感影像为数据源,经过预处理后,通过迭代加权得到迭加权相关权重矩阵(IR-C... 提出一种基于迭加权相关权重矩阵(IR-CWM),使用XGBoost机器学习模型训练选取特征变化波段,训练预测变化检测结果的方法(IR-CWM-XGB).以国产高分五号(GF-5)高光谱遥感影像为数据源,经过预处理后,通过迭代加权得到迭加权相关权重矩阵(IR-CWM),然后经过XGBoost算法选取特征波段,选取随机样本进行模型训练,使用最终模型生成变化的结果.实验结果表明:本研究方法与变化矢量分析(CVA)变化检测方法、主成分变化矢量分析(PCA-CVA)变化检测方法、迭加权多元(IR-MAD)方法、卷积神经网络(CNN)等方法进行对比,本研究方法变化检测结果的Kappa系数和总体精度较高,误检率较低. 展开更多
关键词 高分五号(GF-5) 高光谱 变化检测 迭加权相关权重矩阵(IR-CWM) 极端梯度提升(xgboost)
下载PDF
基于XGBoost-LSTM的胶凝砂砾石抗压强度预测 被引量:4
7
作者 郭磊 高航 +2 位作者 田青青 郭利霞 李泽宣 《建筑材料学报》 EI CAS CSCD 北大核心 2023年第6期631-637,共7页
针对胶凝砂砾石(CSG)抗压强度试验周期长、耗材大等问题,运用极度梯度提升树-长短期记忆网络(XGBoost-LSTM)组合模型对CSG抗压强度进行预测.先选取相关性较强的“水泥含量”和“砂率”这2个输入变量代入XGBoost模型进行预测,并将结果与... 针对胶凝砂砾石(CSG)抗压强度试验周期长、耗材大等问题,运用极度梯度提升树-长短期记忆网络(XGBoost-LSTM)组合模型对CSG抗压强度进行预测.先选取相关性较强的“水泥含量”和“砂率”这2个输入变量代入XGBoost模型进行预测,并将结果与原特征一起代入LSTM模型;再采用94组抗压强度数据进行训练和验证.结果表明:与基础模型XGBoost和LSTM相比,XGBoost-LSTM组合模型的决定系数分别提高5.6%和3.5%.说明通过XGBoost模型构造新特征具有可行性,且XGBoost-LSTM组合模型能够对CSG抗压强度进行精准预测. 展开更多
关键词 极度梯度提升 长短期记忆网络 胶凝砂砾石 抗压强度
下载PDF
基于XGBoost扩展金融因子的风电功率预测方法 被引量:5
8
作者 王永生 关世杰 +3 位作者 刘利民 高静 许志伟 刘广文 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2023年第5期1038-1049,共12页
现有风电功率预测模型的主要输入特征包括气象数据和功率数据,高精度气象数据获取困难、数据间潜在关系难以表示、预测模型收敛缓慢,提出基于极端梯度提升回归树算法(XGBoost)扩展金融因子的超短期风电功率预测新方法,以及基于风电时序... 现有风电功率预测模型的主要输入特征包括气象数据和功率数据,高精度气象数据获取困难、数据间潜在关系难以表示、预测模型收敛缓慢,提出基于极端梯度提升回归树算法(XGBoost)扩展金融因子的超短期风电功率预测新方法,以及基于风电时序数据衍生金融因子的预测模型.采用具有较高预测准确率与较快训练速度的XGBoost算法进行预测,使得预测模型快速收敛.在中国内蒙古某风电场的风电功率数据集与德国Tennet公司风电功率数据集上进行实验验证.实验结果表明,以R2score为例,所提方法与基准方法相比提升约14.71%.所提方法中的建模与预测合计时间不超过500 ms. 展开更多
关键词 风力发电 超短期风电功率预测 梯度提升回归 xgboost 金融因子
下载PDF
基于XGBoost算法的仿真混凝土材料配合比设计方法 被引量:1
9
作者 邱云飞 牛志伟 郑人逢 《水电能源科学》 北大核心 2021年第12期164-167,196,共5页
针对传统仿真混凝土配制过程周期长、耗费成本高的问题,提出了一种快速设计仿真混凝土材料配合比的方法。基于现有仿真混凝土的研究成果,构建了仿真混凝土材料配比数据库;利用XGBoost算法对数据库中的数据信息进行训练,以不同配合比混... 针对传统仿真混凝土配制过程周期长、耗费成本高的问题,提出了一种快速设计仿真混凝土材料配合比的方法。基于现有仿真混凝土的研究成果,构建了仿真混凝土材料配比数据库;利用XGBoost算法对数据库中的数据信息进行训练,以不同配合比混凝土材料的抗压强度、弹性模量的预测值与实测值之间的决定系数作为目标函数,利用交叉验证和网格寻优建立仿真混凝土配合比计算模型;最后利用Python开发了仅需输入期望的抗压强度、弹性模量及允许误差即可设计出仿真混凝土材料配合比的程序。实际应用表明,仿真混凝土材料配合比设计程序运算速度快、精度高,计算的预测值与实测值吻合好,是一种方便快捷的新方法,并可大大缩短模型试验周期、降低试验成本。 展开更多
关键词 仿真混凝土 模型材料 极度梯度提升(xgboost) 配合比设计
下载PDF
基于集成学习的交通事故严重程度预测研究与应用 被引量:3
10
作者 单永航 张希 +2 位作者 胡川 丁涛军 姚远 《计算机工程》 CAS CSCD 北大核心 2024年第2期33-42,共10页
目前自动驾驶技术重点是关注如何主动避免碰撞,然而在面对其他交通参与者入侵而导致不可避免的碰撞事故场景时,预测车辆在不同行驶模式下的碰撞严重程度来降低事故严重程度的研究却很少。为此,提出一种双层Stacking事故严重程度预测模... 目前自动驾驶技术重点是关注如何主动避免碰撞,然而在面对其他交通参与者入侵而导致不可避免的碰撞事故场景时,预测车辆在不同行驶模式下的碰撞严重程度来降低事故严重程度的研究却很少。为此,提出一种双层Stacking事故严重程度预测模型。基于真实交通事故数据集NASS-CDS完成训练,模型输入为车辆传感器可感知得到的事故相关特征,输出为车内乘员最高受伤级别。在第1层中,通过实验对不同学习器组合进行训练,最终综合考虑预测性能以及耗时挑选K近邻、自适应提升树、极度梯度提升树作为基学习器;在第2层中,为降低过拟合,采用逻辑回归作为元学习器。实验结果表明,该方法准确率达到85.01%,在精确率、召回率和F1值方面优于其他个体模型和集成模型,该预测结果可作为智能车辆决策规划模块先验信息,帮助车辆做出正确的决策,减缓事故损害。最后阐述了模型在L_(2)辅助驾驶与L_(4)自动驾驶车辆中的应用,在常规车辆安全防护的基础上进一步提升车辆的安全性。 展开更多
关键词 交通安全 交通事故严重程度预测 智能车辆 集成学习 K近邻 自适应提升 极度梯度提升 逻辑回归
下载PDF
基于多卷积神经网络融合的当归病虫害识别方法 被引量:1
11
作者 郭标琦 王联国 《江苏农业学报》 CSCD 北大核心 2024年第1期121-129,共9页
针对目前当归产业病虫害识别方法缺失、人工提取特征存在主观因素及卷积神经网络训练需要大量数据等不足,提出1种基于多卷积神经网络融合的当归病虫害识别方法。构建当归常见病虫害数据集;选择在当归病虫害数据集中表现性能最好的ResNe... 针对目前当归产业病虫害识别方法缺失、人工提取特征存在主观因素及卷积神经网络训练需要大量数据等不足,提出1种基于多卷积神经网络融合的当归病虫害识别方法。构建当归常见病虫害数据集;选择在当归病虫害数据集中表现性能最好的ResNet50、InceptionNetV3、VGG19、DenseNet2014个网络作为模型融合的基学习器;使用XGBoost(极度梯度提升)算法作为元学习器,得到基于多卷积神经网络融合的当归病虫害识别模型。结果表明,该融合模型比单个卷积神经网络模型具有更高的识别准确率,并优于其他融合方法融合的模型,对当归病虫害识别的查准率、查全率、F 1值分别达到98.33%、97.14%、97.68%。本研究提出的基于XGBoost融合方法融合的模型实现了当归常见病虫害的精确分类,对常见病害的识别准确率达到98.33%,为当归产业提供了一种有效的病虫害识别方法。 展开更多
关键词 当归病虫害分类 卷积神经网络 极度梯度提升(xgboost)融合方法
下载PDF
基于IOWA算子的空气质量组合预测
12
作者 杨璐瑞 张权 《齐齐哈尔大学学报(自然科学版)》 2024年第1期87-94,共8页
对空气质量指数进行预测,反映数据波动的趋势与规律,提出基于诱导有序加权平均(IOWA)算子的Prophet-EEMD-XGBoost模型。首先利用Prophet算法将数据分解为趋势项、季节项、节假日、误差项;然后集合经验模态分解EEMD将原始数据分为9项IMF... 对空气质量指数进行预测,反映数据波动的趋势与规律,提出基于诱导有序加权平均(IOWA)算子的Prophet-EEMD-XGBoost模型。首先利用Prophet算法将数据分解为趋势项、季节项、节假日、误差项;然后集合经验模态分解EEMD将原始数据分为9项IMF以及残余分量。最后,利用XGBoost模型对各分量分别进行预测,预测结果利用MAE、MAPE、RMSE、RMSPE进行评价。结果表明,相较于一些单预测模型与其他组合预测模型,基于IOWA算子的Prophet-EEMD-XGBoost组合预测模型有更好的预测效果。 展开更多
关键词 Prophet算法 极度梯度提升 诱导有序加权平均算子
下载PDF
基于数据挖掘技术的股票收益率方向研究 被引量:4
13
作者 苟小菊 王芊 《运筹与管理》 CSSCI CSCD 北大核心 2021年第1期163-169,共7页
本文依据数据挖掘技术对股票收益率的变化方向进行探究。通过小波多尺度分解,将股票价格转化为不同频率域下的子序列数据、并对其中的高频序列进行降噪。构建极度梯度提升树(XGBoost)、以及其它主流机器学习算法,对沪深300和中证500指... 本文依据数据挖掘技术对股票收益率的变化方向进行探究。通过小波多尺度分解,将股票价格转化为不同频率域下的子序列数据、并对其中的高频序列进行降噪。构建极度梯度提升树(XGBoost)、以及其它主流机器学习算法,对沪深300和中证500指数中成分股的涨跌进行了拟合并预测。研究发现XGBoost的平均准确率分别达到了54.69%和55.13%,同时依据预测信号构建的投资策略可产生稳定收益,表明该方法具备较强的预测能力。在此基础上,对机器学习算法存在的“黑箱”问题进行了阐述和研究,对模型选股的逻辑进行了探析:提出一种因子权重的度量方法,研究发现市净率、市盈率、能量潮等指标在模型中是较为重要的判别指标,并通过偏相依关系度量了模型中各因子对于股价涨跌方向的边际影响,得到模型倾向于选择市盈率、市净率较小的股票等一些结论,使算法的逻辑更为清楚。 展开更多
关键词 数据挖掘 收益率方向 极度梯度提升 小波分解 偏相依关系
下载PDF
基于IDBO-XGBoost的铁路隧道岩爆烈度等级预测方法与应用
14
作者 李时宜 《铁道建筑》 2024年第11期118-123,共6页
为减少铁路隧道施工过程中岩爆事故的发生,在施工前做好岩爆烈度等级预测,提出了改进蜣螂优化算法(Improved Dung Beetle Optimizer,IDBO)与极限梯度提升树(Extreme Gradient Boosting,XGBoost)相结合的铁路隧道岩爆烈度等级预测模型。... 为减少铁路隧道施工过程中岩爆事故的发生,在施工前做好岩爆烈度等级预测,提出了改进蜣螂优化算法(Improved Dung Beetle Optimizer,IDBO)与极限梯度提升树(Extreme Gradient Boosting,XGBoost)相结合的铁路隧道岩爆烈度等级预测模型。首先,依据岩爆成因及特点,综合选取围岩切向应力(σθ)等四个特征因素作为预测岩爆烈度等级的主控因素,建立岩爆烈度等级预测数据集;其次,引入Sine混沌映射、黄金正弦策略(Golden Sine Strategy,SA)、自适应高斯-柯西变异扰动策略以及贪婪选择策略并进行改进,以提高其全局搜索能力和稳定性;而后利用IDBO优化XGBoost中的超参数提升其预测精度,同时避免XGBoost出现“过拟合”现象;最后,将其结果与DBO-XGBoost、粒子群算法优化反向传播神经网络模型(Particle Swarm-Optimization Back Propagation Neural Network,PSO-BPNN)和遗传算法优化支持向量机模型(Genetic Algorithm Support-Vector Machine,GA-SVM)的结果进行对比。结果表明:IDBO-XGBoost模型准确率最高,相较于其他三种模型在测试样本中的准确率分别提高了8.69%、17.39%、8.69%;IDBO-XGBoost模型在处理岩爆问题上能更好地捕捉岩爆等级与指标之间的联系,可为实际工程的岩爆预测提供科学依据。 展开更多
关键词 铁路隧道 岩爆烈度 预测 蜣螂优化算法(DBO) 极限梯度提升(xgboost)
下载PDF
基于电流谐波特征的矿用电缆劣化监测与故障诊断 被引量:3
15
作者 卢润戈 徐涛 +2 位作者 周卓蓓 李茂 黄潮灿 《工矿自动化》 CSCD 北大核心 2023年第10期35-42,共8页
矿用电缆受煤矿恶劣环境影响,容易发生绝缘劣化、护套受损等情况,传统的矿用电缆检测多采用低压脉冲法、局放法等离线诊断方式,操作复杂,准确度低,难以满足现代煤矿生产需求。而现有基于谐波的电缆故障诊断方法存在检测装置笨重、检测... 矿用电缆受煤矿恶劣环境影响,容易发生绝缘劣化、护套受损等情况,传统的矿用电缆检测多采用低压脉冲法、局放法等离线诊断方式,操作复杂,准确度低,难以满足现代煤矿生产需求。而现有基于谐波的电缆故障诊断方法存在检测装置笨重、检测精确低、难以在煤矿应用等问题。针对上述问题,提出一种基于电流谐波特征的矿用电缆劣化监测与故障诊断方法。提取电缆中高次谐波含量信息作为故障特征向量,对特征向量进行归一化处理后导入极限梯度提升树(XGBoost)模型,结合已知电缆故障劣化度数据,形成训练样本集,训练XGBoost模型,最后通过构建的XGBoost模型对电缆劣化度进行实时监测和故障诊断。仿真结果表明:针对电缆不同部位提取的高次谐波向量的相对能量有明显不同,表明提取的高次谐波向量可表征电缆不同部位的运行状态;XGBoost模型的拟合优度参数R2高达0.93,且误差较小。案例分析结果验证了基于电流谐波特征的矿用电缆劣化监测与故障诊断方法可对矿用电缆运行状态及劣化故障进行实时、准确的监测和诊断。 展开更多
关键词 矿用电缆 故障诊断 劣化监测 电流谐波特征 极限梯度提升 xgboost模型
下载PDF
基于机器学习的跑道占用时间预测模型研究
16
作者 陈亚青 张可欣 李颖哲 《现代计算机》 2022年第24期1-7,共7页
伴随着我国民航事业的迅速发展,运输需求不断增加,通过规范跑道占用时间来提升跑道运行效率成为必然要求。采用了人工神经网络(ANN)、循环神经网络(RNN)、极度梯度提升树(XGBoost)、支持向量机(SVM)四种不同的机器学习方法构建跑道占用... 伴随着我国民航事业的迅速发展,运输需求不断增加,通过规范跑道占用时间来提升跑道运行效率成为必然要求。采用了人工神经网络(ANN)、循环神经网络(RNN)、极度梯度提升树(XGBoost)、支持向量机(SVM)四种不同的机器学习方法构建跑道占用时间预测模型,并对建立的四种跑道占用时间预测模型预测结果进行对比分析。研究发现最适宜用来建立跑道占用时间预测模型的机器学习方法是人工神经网络,利用该方法建立的基于RNN的跑道占用时间预测模型预测效果最好,预测平均绝对误差仅为3.5130。该结论可以为未来研究跑道占用时间预测模型,规范跑道占用时间提供一定参考。 展开更多
关键词 跑道占用时间 人工神经网络(ANN) 循环神经网络(RNN) 极度梯度提升(xgboost) 支持向量机(SVM)
下载PDF
基于深度置信神经网络的电信客户流失分析
17
作者 沈江明 张磊 曾志勇 《通讯世界》 2020年第6期189-190,共2页
电信客户流失预测难度较大,因为针对的是人的行为问题,人的行为琢磨不定,因此需要多种基于观察人的数据特征,包括行为特征和基本特征,通过对这些特征建模来解决问题。针对电信行业客户流失的问题,本文设计提出一种基于(XGB)极度梯度提... 电信客户流失预测难度较大,因为针对的是人的行为问题,人的行为琢磨不定,因此需要多种基于观察人的数据特征,包括行为特征和基本特征,通过对这些特征建模来解决问题。针对电信行业客户流失的问题,本文设计提出一种基于(XGB)极度梯度提升树和深度置信网络(DBN)的电信客户流失预测方法(XGB-DBN)。首先利用XGB对原数据集产生新特征,通过和原数据集的集成,再通过深度置信网络对新数据集进行学习建模,对某电信公司宽带客户流失数据进行了仿真。实验表明,XGB-DBN获得的召回率、精确率、准确率、F1分数远远高于其他预测方法,说明极度梯度提升树结合深度置信网络的数据挖掘方法具有很好的预测效果,为电信客户流失预测提供了一种新方法。 展开更多
关键词 极度梯度提升 深度置信网络 受限玻尔兹曼机 客户流失预测
下载PDF
基于机器学习进行智能投资组合优化
18
作者 吕林黛 赵胜利 +2 位作者 沈心雨 但晨 汪欣 《计算机科学与应用》 2023年第3期349-357,共9页
近年来,随着投资者数量的不断增加,交易员频繁买卖市场波动性较大的产品,如黄金,比特币用以获取最大的利润。本文研究利用交易市场中货币的历史价格数据来规避投资过程中的风险,预测产品价格的方向,进而获得最大的收益。对于投资者来说... 近年来,随着投资者数量的不断增加,交易员频繁买卖市场波动性较大的产品,如黄金,比特币用以获取最大的利润。本文研究利用交易市场中货币的历史价格数据来规避投资过程中的风险,预测产品价格的方向,进而获得最大的收益。对于投资者来说,如果他们能有一个好的交易策略,这将给他带来稳定的收入,同时也保证了交易市场的平稳运行和稳定。为了更好的预测货币趋势,本文使用历史数据来预测第二天的货币价格从而构建了LSTM,随机森林,梯度回升树和xgboost模型进行单步预测,通过对比,随机森林模型的预测效果最好。本文利用预测的结果提出了一种基于动态规划来进行投资组合优化的方法,该方法考虑了风险因素对投资组合管理过程的影响,能依据市场状态和资产信息自动转换投资组合优化模式以应对市场风格变化,通过投资组合内部资产与外部资产池动态交易的形式来实时调整投资组合资产构成及资产配置,使得实现理论上的利润最大化。 展开更多
关键词 LSTM模型 随机森林 梯度提升决策 xgboost 动态规划
下载PDF
基于Stacking的个人薪资预测研究
19
作者 林心慧 陈超 《现代计算机》 2023年第10期25-29,共5页
薪水是求职者着重考虑的因素,在信息飞速发展的时代,求职者寻找工作时希望通过各种方法去合理地评估自己的薪酬区间,而人们往往难以对自己的薪资水平进行合理预测,因此合理评估能力,进而找到适合自己的薪资标准就显得格外重要。基于这... 薪水是求职者着重考虑的因素,在信息飞速发展的时代,求职者寻找工作时希望通过各种方法去合理地评估自己的薪酬区间,而人们往往难以对自己的薪资水平进行合理预测,因此合理评估能力,进而找到适合自己的薪资标准就显得格外重要。基于这个现实问题,通过对原始数据进行分析处理并结合Stacking算法,即融合随机森林、梯度提升树、XGBoost、逻辑回归等模型,对求职者的薪水进行一个合理的预测,并且通过实验显示,使用Stacking融合算法的模型具有更好的预测性能和泛化能力。 展开更多
关键词 Stacking融合模型 个人薪水 随机森林 梯度提升 xgboost
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部