典型文献
基于集成模型的农产品价格预测
文献摘要：
农产品价格与人们生活息息相关,准确有效的预测农产品价格可以对平稳价格波动起到一定的作用.而对于价格预测,采用单个的机器学习或者统计模型并不能得到很好的结果.文章对比了常见的几种机器学习方法:支持向量回归(support vector regression,SVR)、线性回归和K-近邻(K-nearest neighbor,KNN)算法在农产品价格预测上的表现,并根据数据特性与模型表现进行模型集成.在集成模型的价格预测实验中,集成模型在鸡蛋均价、白条鸡均价、蔬菜均价3个数据集上较SVR模型分别提升了1.3％、1.4％、4％;较线性回归模型分别提升了0.6％、1.4％、4％;较KNN模型分别提升了6.9％、2.8％、7.7％.证明了集成模型对于提升泛化性能的有效性,预测结果对于农产品市场的完善和改革具有一定的作用.
文献关键词：
农产品价格;机器学习;SVR;线性回归;KNN;集成模型
中图分类号：
作者姓名：
李慧东
作者机构：
贵州财经大学信息学院 贵州贵阳 550025
文献出处：
引用格式：
[1]李慧东-.基于集成模型的农产品价格预测)[J].信息技术与信息化,2022(03):44-47
A类：
B类：
集成模型,农产品价格,价格预测,确有,价格波动,动起,统计模型,机器学习方法,支持向量回归,support,vector,regression,SVR,近邻,nearest,neighbor,KNN,模型集成,鸡蛋,均价,白条鸡,线性回归模型,泛化性能,农产品市场
AB值：
0.304611
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。
