基于改進(jìn)的GBDT算法的乘客出行預(yù)測(cè)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(fù)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(yīng)的特征工程，利用特征工程來進(jìn)行建模，然后預(yù)測(cè)未來用戶的興趣，最終推薦相應(yīng)的物品給用戶。但現(xiàn)在推薦還是面對(duì)許多困難和挑戰(zhàn)，例如如何選擇適當(dāng)?shù)耐扑]算法來提升正樣本（小類樣本）預(yù)測(cè)的準(zhǔn)確性，提高用戶感興趣物品的準(zhǔn)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(duì)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(shí)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(yuǎn)遠(yuǎn)小于不出行的特點(diǎn)，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(zhǔn)確性。基于以上問題，本文提出了一種基于代價(jià)敏感學(xué)習(xí)和隨機(jī)梯度提升的算法融合思想，從而使預(yù)測(cè)乘客是否出行更加準(zhǔn)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(xí)慣相應(yīng)的特征工程，本文主要從乘客，線路和乘客線路交互三個(gè)方向來進(jìn)行構(gòu)建特征工程。構(gòu)建的角度主要從時(shí)間，天氣，頻率等。
　　其次，對(duì)新的特征工程進(jìn)行優(yōu)化，利用隨機(jī)森林對(duì)特征進(jìn)行重要性評(píng)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(fù)上述過程，從而得到模型精度最高時(shí)候的特征變量。
　　最后，提出了基于代價(jià)敏感學(xué)習(xí)隨機(jī)梯度提升算法，從而更好適應(yīng)不平衡分類數(shù)據(jù)集，從而能夠很好預(yù)