期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合模拟退火的随机森林房价评估算法
被引量：
5
1
作者
丁旸钧天
曹怀虎
《计算机应用研究》
CSCD
北大核心
2020年第3期784-788,共5页
传统的随机森林房价评估算法存在着大量参数组合计算问题,参数的优劣对算法准确度影响很大。针对此问题,结合随机森林和模拟退火算法提出一种融合模拟退火的随机森林房价评估算法。首先通过10次10折交叉验证法对参数进行敏感性测试,选...
传统的随机森林房价评估算法存在着大量参数组合计算问题,参数的优劣对算法准确度影响很大。针对此问题,结合随机森林和模拟退火算法提出一种融合模拟退火的随机森林房价评估算法。首先通过10次10折交叉验证法对参数进行敏感性测试,选择出对随机森林算法敏感的参数;然后结合模拟退火算法对敏感的参数迭代寻优,通过与网格搜索算法、随机搜索算法进行对比分析发现,在参数组合计算过程中,模拟退火算法在运行时间和算法准确率方面更优,弥补了网格搜索算法耗时过长和随机搜索算法低准确率的缺陷;最后将融合模拟退火的随机森林算法应用于房价评估问题,构成新的房价评估算法。将新算法与传统随机森林房价评估算法进行了对比实验分析,结果表明,融合模拟退火的随机森林房价评估算法误差值减少,拟合优度值增加,评估的准确度得到了显著提升。
展开更多
关键词
随机森林
模拟退火
参数优化
房价评估
在线阅读
下载PDF
职称材料
基于集成LightGBM和贝叶斯优化策略的房价智能评估模型
被引量：
25
2
作者
顾桐
许国良
+3 位作者
李万林
李家浩
王志愿
雒江涛
《计算机应用》
CSCD
北大核心
2020年第9期2762-2767,共6页
针对传统房价评估方法中存在的数据源单一、过分依赖主观经验、考虑因素理想化等问题,提出一种基于多源数据和集成学习的智能评估方法。首先,从多源数据中构造特征集,并利用Pearson相关系数与序列前向选择法提取最优特征子集;然后,基于...
针对传统房价评估方法中存在的数据源单一、过分依赖主观经验、考虑因素理想化等问题,提出一种基于多源数据和集成学习的智能评估方法。首先,从多源数据中构造特征集,并利用Pearson相关系数与序列前向选择法提取最优特征子集;然后,基于构造的特征,以Bagging集成策略作为结合方法集成多个轻量级梯度提升机(LightGBM),并利用贝叶斯优化算法对模型进行优化;最后,将该方法应用于房价评估问题,实现房价的智能评估。在真实的房价数据集上进行的实验表明,相较于支持向量机(SVM)、随机森林等传统模型,引入集成学习和贝叶斯优化的新模型的评估精度提升了3.15%,并且百分误差在10%以内的评估结果占比84.09%。说明所提模型能够很好地应用于房价评估领域,得到的评估结果更准确。
展开更多
关键词
多源数据
特征选择
轻量级梯度提升机
集成学习
贝叶斯优化
房价
智能
评估
在线阅读
下载PDF
职称材料
题名
融合模拟退火的随机森林房价评估算法
被引量：
5
1
作者
丁旸钧天
曹怀虎
机构
中央财经大学信息学院
出处
《计算机应用研究》
CSCD
北大核心
2020年第3期784-788,共5页
基金
北京市社会科学重点项目(16YJA001)
国家自然科学基金资助项目(61671030)。
文摘
传统的随机森林房价评估算法存在着大量参数组合计算问题,参数的优劣对算法准确度影响很大。针对此问题,结合随机森林和模拟退火算法提出一种融合模拟退火的随机森林房价评估算法。首先通过10次10折交叉验证法对参数进行敏感性测试,选择出对随机森林算法敏感的参数;然后结合模拟退火算法对敏感的参数迭代寻优,通过与网格搜索算法、随机搜索算法进行对比分析发现,在参数组合计算过程中,模拟退火算法在运行时间和算法准确率方面更优,弥补了网格搜索算法耗时过长和随机搜索算法低准确率的缺陷;最后将融合模拟退火的随机森林算法应用于房价评估问题,构成新的房价评估算法。将新算法与传统随机森林房价评估算法进行了对比实验分析,结果表明,融合模拟退火的随机森林房价评估算法误差值减少,拟合优度值增加,评估的准确度得到了显著提升。
关键词
随机森林
模拟退火
参数优化
房价评估
Keywords
random forest
simulated annealing
parameter optimization
housing prices evaluation
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
基于集成LightGBM和贝叶斯优化策略的房价智能评估模型
被引量：
25
2
作者
顾桐
许国良
李万林
李家浩
王志愿
雒江涛
机构
重庆邮电大学通信与信息工程学院
重庆邮电大学电子信息与网络工程研究院
出处
《计算机应用》
CSCD
北大核心
2020年第9期2762-2767,共6页
基金
教育部-中国移动科研基金资助项目(MCM20170203)
重庆市自然科学基金资助项目(cstc2018jcyjAX0587)
重庆市技术创新与应用示范(产业类重点研发)项目(cstc2018jszx-cyzdX0124)。
文摘
针对传统房价评估方法中存在的数据源单一、过分依赖主观经验、考虑因素理想化等问题,提出一种基于多源数据和集成学习的智能评估方法。首先,从多源数据中构造特征集,并利用Pearson相关系数与序列前向选择法提取最优特征子集;然后,基于构造的特征,以Bagging集成策略作为结合方法集成多个轻量级梯度提升机(LightGBM),并利用贝叶斯优化算法对模型进行优化;最后,将该方法应用于房价评估问题,实现房价的智能评估。在真实的房价数据集上进行的实验表明,相较于支持向量机(SVM)、随机森林等传统模型,引入集成学习和贝叶斯优化的新模型的评估精度提升了3.15%,并且百分误差在10%以内的评估结果占比84.09%。说明所提模型能够很好地应用于房价评估领域,得到的评估结果更准确。
关键词
多源数据
特征选择
轻量级梯度提升机
集成学习
贝叶斯优化
房价
智能
评估
Keywords
multi-source data
feature selection
Light Gradient Boosting Machine(LightGBM)
ensemble learning
Bayesian optimization
intelligent evaluation of house price
分类号
TP399 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合模拟退火的随机森林房价评估算法
丁旸钧天
曹怀虎
《计算机应用研究》
CSCD
北大核心
2020
5
在线阅读
下载PDF
职称材料
2
基于集成LightGBM和贝叶斯优化策略的房价智能评估模型
顾桐
许国良
李万林
李家浩
王志愿
雒江涛
《计算机应用》
CSCD
北大核心
2020
25
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
