基于改进鲸鱼优化算法的GBDT回归预测模型

摘要：

针对梯度提升决策树(gradient boosting decision tree,GBDT)参数难以选择的问题,提出一种基于改进鲸鱼优化算法(improved whale optimization algorithm,IWOA)的GBDT回归预测算法.首先,提出一种改进的鲸鱼优化算法,利用混沌映射初始化种群提高种群多样性,引入惯性权重与差分进化算法中的变异交叉策略解决迭代后期易陷入局部最优的问题;其次,利用IWOA对GBDT的关键参数寻优,避免参数选择的盲目性,提高回归预测模型的泛化能力;最后,建立IWOA-GBDT回归预测模型,并利用UCI数据集对模型进行验证.实验结果表明,相比于决策树、支持向量机、Adaboost和GBDT算法,该模型算法具有更好的拟合效果,并有一定的实用价值.

关键词：梯度提升决策树、鲸鱼优化算法、集成学习、回归预测

所属期刊栏目：60

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金;黑龙江省自然科学基金;黑龙江省博士后专项经费项目

在线出版日期：2022-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：401-408