基于EBT模型的一种新的变量选择方法及应用
EBT(Energy Bagging Tree)模型是基于能量距离的多元bagging,模型中的不纯度函数采用广义基尼均值差,分裂函数是样本落入分裂的两个子节点的概率和能量距离的乘积.新的变量选择方法基于EBT模型中分裂变量的频率,通过变量重要性的计算,为变量选择提供了依据.模拟分析显示,新方法和已有的多元随机森林算法在变量重要性排序的比较中具有优势.在建筑行业的混凝土实际数据上的表现进一步评估了新方法的性能.
EBT模型、变量选择、多元反馈变量、E-距离
47
F22;F11
广州市教育科学规划2016年度课题1201534301;大数据时代数学建模融入高职数学教学的研究与实践
2018-01-03(万方平台首次上网日期,不代表论文的发表时间)
共6页
134-139