10.3969/j.issn.1006-9348.2020.01.070
基于梯度提升回归模型的生猪价格预测
研究生猪价格的准确预测问题,传统预测模型存在速度慢、陷入局部极小值、核函数的选择等问题,预测效果不佳.为此,首先筛选出生猪价格的显著因素,接着利用Python数据分析分别建立贝叶斯岭回归、普通线性回归、弹性网络和支持向量机模型,将这4个回归模型作为梯度提升回归模型的训练集,对生猪价格进行预测.结果 表明,综合集成的梯度提升回归模型的均方差(MSE)为0.056,平均绝对误差(MAE)为0.18,判定系数为0.994,比前面单一模型预测效果好.最后,利用梯度提升回归模型对2017年2月至2017年11月的生猪价格预测,发现输出的预测值与真实值比较接近,最大相对误差为3.495%,梯度提升回归模型具有较高的预测精度.
生猪价格、预测、梯度提升回归、派梭数据分析
37
TP391.9(计算技术、计算机技术)
国家自然科学基金;江西省社会科学规划项目;江西省教育厅项目;江西高校人文社会科学基金
2020-05-11(万方平台首次上网日期,不代表论文的发表时间)
共4页
347-350