一种基于集成学习技术的高维度数据预测方法
基本信息
| 申请号 | CN201910394269.5 | 申请日 | - |
| 公开（公告）号 | CN110516818A | 公开（公告）日 | 2019-11-29 |
| 申请公布号 | CN110516818A | 申请公布日 | 2019-11-29 |
| 分类号 | G06N20/20;G06N3/12 | 分类 | 计算；推算；计数; |
| 发明人 | 刘江川;张聪;樊小毅;庞海天;杨洋;邵俊松 | 申请（专利权）人 | 南京江行联加智能科技有限公司 |
| 代理机构 | 北京翔瓯知识产权代理有限公司 | 代理人 | 南京江行联加智能科技有限公司 |
| 地址 | 210000 江苏省南京市玄武区玄武大道699-1号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于集成学习技术的高维度数据预测方法，首先对原始高维数据进行预处理，包括缺失值和异常值的处理、去除重复数据等；接着利用GBDT特征重要性方法进行特征筛选，并利用遗传算法进一步优化筛选结果，尽量在不改变原始特征的前提下对数据集进行降维；在此基础上，本发明利用Stacking集成学习的思想构建集成模型，对数据进行回归预测，并评估方法的效果。本发明充分考虑了高维度数据多特征、小样本的特点，具有鲁棒性强、精度高、泛化能力强的特点，可以充分挖出出原始数据中的潜在规律，提供更加精细化的决策支持。 |
