典型文献
基于机器学习算法的机票价格预测研究
文献摘要：
将机票价格预测定为回归问题,以历史机票数据作为研究对象,寻找影响机票价格的特征为研究目的.首先对数据集进行数据预处理,归一化消除量纲差,再将0/1整数规划确定为特征提取的子集形式,用9种特征选择方法选择影响机票价格的特征子集,构建包括原始数据集的5个数据子集.运用线性回归模型、梯度提升模型、随机森林模型、CART决策树模型、K近邻模型和MLP模型评估5个数据子集预测结果的优劣.从结果表明,MLP模型应用于5个子集的预测效果均表现良好,MSE值最小达到0.00031,MLP模型在subset_4数据子集上的R2值为0.99973,说明subset_4是机票价格预测的最优解.
文献关键词：
机票价格预测;0/1规划;特征提取;MLP模型;MSE
中图分类号：
作者姓名：
王双;徐瑶;韩建云;丁磊
作者机构：
中国民航大学,天津 300300;中国民用航空局,北京 100710;中国民用航空局信息中心,北京 100710
文献出处：
引用格式：
[1]王双;徐瑶;韩建云;丁磊-.基于机器学习算法的机票价格预测研究)[J].民航学报,2022(05):16-20
A类：
机票价格预测
B类：
基于机器学习,机器学习算法,预测研究,回归问题,票数,研究目的,数据预处理,量纲,整数规划,特征选择,选择方法,方法选择,特征子集,原始数据,线性回归模型,梯度提升,随机森林模型,CART,决策树模型,近邻,MLP,模型评估,模型应用,MSE,subset,最优解
AB值：
0.219954
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
