典型文献
基于XGBoost-MLP集成方法的离港航班延误预测
文献摘要：
为了更准确地描述航班延误情况,为旅客出行提供参考,使用极端梯度提升(extreme gradient boosting,XGBoost)算法与多层感知机(multilayer perceptron,MLP)集成的模型对离港航班延误状态进行预测,将传统的延误、不延误细分为延误、半延误和不延误3种情况.在对航班数据和天气数据进行合并、筛选、拆分的基础上,先基于XGBoost模型进行二分类预测,然后基于二分类结果使用MLP进行三分类预测.实验结果表明,该方法比仅使用XGBoost模型或者MLP模型预测效果更佳,并且可改善半延误区间误差高的问题.
文献关键词：
极端梯度提升(XGBoost);多层感知机(MLP);多分类;集成方法
中图分类号：
作者姓名：
张铭梁;侯霞
作者机构：
北京信息科技大学计算机学院,北京100101
文献出处：
引用格式：
[1]张铭梁;侯霞-.基于XGBoost-MLP集成方法的离港航班延误预测)[J].北京信息科技大学学报（自然科学版）,2022(03):41-45
A类：
B类：
XGBoost,MLP,集成方法,离港航班,航班延误预测,旅客出行,极端梯度提升,extreme,gradient,boosting,多层感知机,multilayer,perceptron,不延误,班数,气数,行合并,拆分,二分类,分类预测,三分类,多分类
AB值：
0.305152
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。
