有效而准确的预测商品混凝土价格变动趋势,对各类建筑的施工规划具有重要意义。相比其他预测模型,随机森林模型具有更高的预测精度。然而不同的数据结构都有其独特之处,针对特定数据结构进行模型优化,有助于提高算法在特定数据上的处理...有效而准确的预测商品混凝土价格变动趋势,对各类建筑的施工规划具有重要意义。相比其他预测模型,随机森林模型具有更高的预测精度。然而不同的数据结构都有其独特之处,针对特定数据结构进行模型优化,有助于提高算法在特定数据上的处理性能。我们针对时间序列分类(TSC:Time Series Classification)的特征提出一种改进随机森林算法。首先将随机森林创建训练子集时的随机抽样调整为倾斜抽样,然后将决策树分裂时的随机特征向量抽样调整为分层抽样,最后以加权投票取代平均投票。实证结果表明相比原始随机森林算法,改进模型具有明显优势,对商品混凝土价格变动的预测准确率达98.4%,预测精度、召回率和F1评分分别为:98.7%,98.2%,98.4%,可以实现了商品混凝土价格变动趋势的精准预测。展开更多
为了预测论坛舆情及其动态演变趋势,基于多时间序列的关联分析,集中分析了论坛中3个量的时间序列之间的关联规则:活跃者之间的关系强度的时间序列、坚定支持者人数的时间序列以及坚定支持者成员的变化频度的时间序列。然后给出了一种新...为了预测论坛舆情及其动态演变趋势,基于多时间序列的关联分析,集中分析了论坛中3个量的时间序列之间的关联规则:活跃者之间的关系强度的时间序列、坚定支持者人数的时间序列以及坚定支持者成员的变化频度的时间序列。然后给出了一种新的基于多时间序列关联分析的论坛舆情预测算法(Forum sentiment trend prediction based on multi time series association rule analysis,TPMTSA),并在真实数据集和拟合数据集上进行了大量的实验。结果表明:TPMTSA算法具有有效性和较高的运行效率。研究结果可用于论坛舆情预警监控。展开更多
文摘有效而准确的预测商品混凝土价格变动趋势,对各类建筑的施工规划具有重要意义。相比其他预测模型,随机森林模型具有更高的预测精度。然而不同的数据结构都有其独特之处,针对特定数据结构进行模型优化,有助于提高算法在特定数据上的处理性能。我们针对时间序列分类(TSC:Time Series Classification)的特征提出一种改进随机森林算法。首先将随机森林创建训练子集时的随机抽样调整为倾斜抽样,然后将决策树分裂时的随机特征向量抽样调整为分层抽样,最后以加权投票取代平均投票。实证结果表明相比原始随机森林算法,改进模型具有明显优势,对商品混凝土价格变动的预测准确率达98.4%,预测精度、召回率和F1评分分别为:98.7%,98.2%,98.4%,可以实现了商品混凝土价格变动趋势的精准预测。
文摘为了预测论坛舆情及其动态演变趋势,基于多时间序列的关联分析,集中分析了论坛中3个量的时间序列之间的关联规则:活跃者之间的关系强度的时间序列、坚定支持者人数的时间序列以及坚定支持者成员的变化频度的时间序列。然后给出了一种新的基于多时间序列关联分析的论坛舆情预测算法(Forum sentiment trend prediction based on multi time series association rule analysis,TPMTSA),并在真实数据集和拟合数据集上进行了大量的实验。结果表明:TPMTSA算法具有有效性和较高的运行效率。研究结果可用于论坛舆情预警监控。
