典型文献
基于Stacking集成学习的车货匹配模型研究与实证分析
文献摘要：
车货匹配是提高车主和货主信息流通和促进货运交易的关键途径,然而,在实际应用当中,车货匹配需要考虑司机和货主的行为习惯,并且需要根据不平衡数据进行预测.为解决此问题,本文考虑数据不平衡性,结合RUS重抽样方法,整合Logistic Regression、朴素贝叶斯以及LightGBM模型,最终得到Stacking集成学习的车货匹配模型RLBL-Stacking.以运满满数据为例,对数据进行预处理,筛选合适特征进行模型训练.结果表明,相较于其他单一的分类模型,集成算法能在不平衡数据中取得更好的预测结果.
文献关键词：
车货匹配;不平衡数据;集成学习;Stacking算法
中图分类号：
作者姓名：
梁紫堃
作者机构：
华南理工大学电子商务系,广州 510006
文献出处：
引用格式：
[1]梁紫堃-.基于Stacking集成学习的车货匹配模型研究与实证分析)[J].现代计算机,2022(12):46-50
A类：
RLBL
B类：
Stacking,集成学习,车货匹配,匹配模型,高车,车主,货主,信息流,进货,货运,司机,行为习惯,不平衡数据,数据不平衡,不平衡性,RUS,重抽样,抽样方法,Regression,朴素贝叶斯,LightGBM,满满,模型训练,分类模型,集成算法
AB值：
0.409531
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。
