现代计算机2022，Vol.28Issue(12) ：46-50.DOI:10.3969/j.issn.1007-1423.2022.12.008

基于Stacking集成学习的车货匹配模型研究与实证分析

Research and Empirical Analysis of Vehicle Cargo Matching Model Based on Stacking Ensemble Learning

梁紫堃
现代计算机2022，Vol.28Issue(12) ：46-50.DOI:10.3969/j.issn.1007-1423.2022.12.008
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于Stacking集成学习的车货匹配模型研究与实证分析

Research and Empirical Analysis of Vehicle Cargo Matching Model Based on Stacking Ensemble Learning

梁紫堃1
扫码查看

作者信息

  • 1. 华南理工大学电子商务系,广州 510006
  • 折叠

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.

关键词

车货匹配/不平衡数据/集成学习/Stacking算法

引用本文复制引用

出版年

2022
现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
被引量1
参考文献量9
段落导航相关论文