基于布谷鳥(niǎo)搜索的XGBoost算法優(yōu)化及應(yīng)用研究

打開(kāi)文本圖片集

摘要：

為提高XGBoost算法預(yù)測(cè)精度，采用布谷鳥(niǎo)搜索算法全局優(yōu)化XGBoost的超參數(shù)包括學(xué)習(xí)率、輸出結(jié)點(diǎn)分裂的最小損失、樹(shù)模型的最大深度和弱學(xué)習(xí)器的數(shù)量，構(gòu)建CS-XGBoost模型訓(xùn)練數(shù)據(jù)集。實(shí)驗(yàn)結(jié)果表明，基于CS-XGBoost的收入分類模型的準(zhǔn)確率、精確率、F1分?jǐn)?shù)和AUC等指標(biāo)分別為95.67%、97.17%、95.56%和97.96%，均優(yōu)于Logistic回歸、支持向量機(jī)、隨機(jī)森林、XGBoost算法和基于網(wǎng)格搜索的XGBoost算法；基于CS-XGBoost的房?jī)r(jià)預(yù)測(cè)模型的決定系數(shù)、均方根誤差及平均絕對(duì)誤差分別為0.905 5、2.943 5及2.165 4，預(yù)測(cè)精度較XGBoost算法得到顯著提升。（剩余8472字）