基于改進的GBDT算法的乘客出行預測研究.pdf

1、隨著大數(shù)據(jù)和互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，從復雜無序的大數(shù)據(jù)中，給用戶推薦用戶自身感興趣的信息，推薦系統(tǒng)已經(jīng)成為解決信息過載的關(guān)鍵工具。首先根據(jù)用戶的歷史行為的記錄，構(gòu)建相應的特征工程，利用特征工程來進行建模，然后預測未來用戶的興趣，最終推薦相應的物品給用戶。但現(xiàn)在推薦還是面對許多困難和挑戰(zhàn)，例如如何選擇適當?shù)耐扑]算法來提升正樣本（小類樣本）預測的準確性，提高用戶感興趣物品的準確度等。為了更好的處理上述問題，研究人員繼續(xù)開發(fā)出更高效的推薦算法。

2、
　　本文的研究主要面對的是在公共交通大數(shù)據(jù)情況下，乘客與線路之間顯性關(guān)系信息缺少，隱形關(guān)系信息巨大，和同時乘客是否出行問題可以轉(zhuǎn)化為二分類問題，并且乘客未來選擇出行的數(shù)目遠遠小于不出行的特點，從而本文主要關(guān)注如何構(gòu)建有效的特征工程和如何解決不平衡分類問題來提升正樣本（小類樣本）分類準確性?；谝陨蠁栴}，本文提出了一種基于代價敏感學習和隨機梯度提升的算法融合思想，從而使預測乘客是否出行更加準確。
　　首先，采用廣州省公共交通

3、數(shù)據(jù)集，來構(gòu)建用戶乘車習慣相應的特征工程，本文主要從乘客，線路和乘客線路交互三個方向來進行構(gòu)建特征工程。構(gòu)建的角度主要從時間，天氣，頻率等。
　　其次，對新的特征工程進行優(yōu)化，利用隨機森林對特征進行重要性評估，然后將特征變量按照變量重要性降序排序，刪除不重要的特征，得到新的特征集，重復上述過程，從而得到模型精度最高時候的特征變量。
　　最后，提出了基于代價敏感學習隨機梯度提升算法，從而更好適應不平衡分類數(shù)據(jù)集，從而能夠很好預