典型文献
基于机器学习的回归模型预测对比
文献摘要：
为解决各类数据预测方法复杂的问题,探讨不同预测模型的适用性,基于66个气象站数据和对应的经度、纬度、海拔数据,利用R软件采用支持向量回归(SVR)、随机森林回归(RFR)以及增强回归树(BRT)3种预测的常用机器学习算法建立回归模型,多个角度出发分别利用模型回归结果图和Adjusted-R2、RMSE及RPD值进行模型回归分析评定对比并比较不同模型的预测效能,得到最优的机器学习回归模型.多种算法的预测结果对比可知,RFR算法得到的回归预测结果中,Adjusted-R2值高达0.92,RMSE值为32.35,RPD值达到了3.61;最终确定基于RFR算法的回归模型能够较好地对降雨量数据进行预测,并能够为进一步深切探讨回归分析的相关算法提供必要的参考
文献关键词：
机器学习;回归模型;预测;对比
中图分类号：
作者姓名：
宋敬茹;杨晓芜
作者机构：
华北理工大学矿业工程学院,河北 唐山063210
文献出处：
引用格式：
[1]宋敬茹;杨晓芜-.基于机器学习的回归模型预测对比)[J].农业与技术,2022(23):102-105
A类：
B类：
基于机器学习,数据预测,气象站,经度,纬度,支持向量回归,SVR,随机森林回归,RFR,增强回归树,BRT,机器学习算法,Adjusted,RMSE,RPD,预测效能,预测结果对比,回归预测,降雨量,深切,讨回
AB值：
0.432362
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。
