GBDT

摘要： 背景:足弓在人体活动中起着支撑和缓冲的作用,足弓异常会引起运动障碍和下肢疼痛。准确识别病态足型是做出相应的预防、护理矫正措施的前提。目的:提取常用的四大足型特征,并设计足弓中断特征,联合梯度提升决策树分类器,验证足型识别的准确率。方法:采集了45人的1710幅足底压力图像,包括高弓足、扁平足和正常足3种足型。分别提取足底压力图像的足弓指数、脚印系数、足弓宽度以及比值系数等不同特征,同时设计了足弓中断特征,并利用梯度提升决策树(GBDT)算法实现对足底压力图像的不同足型进行识别。结果与结论:在所构建的45人的1710幅足底压力图像数据集上,该文章算法的足型平均识别准确率达到了96.43%,高于目前基于足弓指数、脚印系数、足弓宽度以及比值系数等常用的足型判断方法。

摘要： 传统的测井解释规则库的获取需专业研究人员以手工方式进行,存在繁琐、耗时等缺点,且技术熟练程度直接影响到解释评价效果,为此,提出了一种基于XGBoost的测井解释规则库自动获取或建立测井解释专家规则库的方法,将多种物理信息和地质参数作为输入特征,储层类别作为输出标签,通过引入XGBoost算法,经过学习得出地质参数与储层类别之间的关系模型。利用该模型,可以自动预测储层类别,进而建立测井解释规则库。胜利油田盐家永安地区某砂砾岩油气藏的砂砾岩测井解释评价结果表明,与支持向量机(SVM)算法和梯度提升决策树(GBDT)算法相比,本文方法具有更高的准确率和更高的计算效率。研究区老井复查结果表明:与手工获取规则库方法相比,本文方法较完整地提取了研究区内的知识规则,提升了测井解释的准确率。

摘要： 早产是新生儿死亡及病残的首要原因,且影响新生儿的远期健康.然而早产的准确预测一直是医学上的一个难题.目前医学上早产的早期筛查多基于特殊检查,但因成本核算等问题难以大规模临床应用,而电子病历的普及和人工智能技术的发展,为产科疾病的早期风险评估提供支持.本文利用产科电子病历的诊疗信息,构建GRU和GBDT的混合模型预测早产.混合模型利用GRU在孕妇多次产检信息中探究早产发生的概率,并将结果融入孕前和28周前末次产检数据,最后利用GBDT对孕妇进行更加精确的早产风险预测.实验结果表明,基于GRU和GBDT的早产预测模型在AUC和ROC等评估指标上优于其他单一模型,本研究方法可有效帮助产科医护人员在妊娠早中期判断孕妇是否有早产风险.

摘要： 运用数据挖掘技术进行铁路事故类型预测及成因分析,对于建立铁路事故预警机制具有重要意义.为此,本文提出一种基于梯度提升决策树(Grandient boosting decision tree,GBDT)的铁路事故类型预测及成因分析算法.针对铁路事故记录数据缺失的问题,提出一种基于属性分布概率的补全算法,最大程度保持原有数据分布,从而降低数据缺失对事故类型预测造成的影响.针对铁路事故记录数据类别失衡的问题,提出一种集成的GBDT模型,完成对事故类型的鲁棒性预测.在此基础上,根据GBDT预测模型中特征重要度排序,实现事故成因分析.通过在开放数据库上进行实验,验证了本文模型的有效性.

摘要： 建立准确的船舶油耗预测模型是实现船舶节能减排的基础。文中以某一远洋船舶作为研究对象,对船舶的实际运营数据进行分析和预处理,结合GBDT算法构建船舶油耗的预测模型。将模型在测试数据集上的预测值与实测数据进行对比,结果表明预测误差低于6.98%,优于随机森林和决策树的预测结果。该文验证了基于GBDT所建立的油耗预测模型的准确性和实用性,对于后续船舶航行优化措施具有重要意义。

摘要： 为了建立合理准确的川南五峰组—龙马溪组页岩TOC含量预测方法,以长宁、泸州等地区的测井曲线及17口井实测TOC含量数据为基础,利用主成分分析法对这些资料进行预处理,基于BP神经网络和梯度提升决策树(GBDT)方法建立2种TOC含量预测模型,并将之与传统TOC含量预测方法进行对比。结果表明:(1) 2种新模型的准确度均高于传统方法,预测结果与实际值吻合度均满足要求。(2)与BP神经网络模型相比,GBDT预测精度更高,均方根误差仅为0.0387。利用GBDT方法所建立的TOC含量预测模型具有低成本、高效、连续等特点,能够快速准确地预测目的层TOC含量。该成果可为提高页岩油气勘探开发效率提供有效技术支撑。

摘要： 基于旅客出行选择行为制定相应的定价策略,是提高铁路企业客票收益的关键。针对现行定价策略提出改进方案,首先构建考虑非时序特征的改进长短期记忆网络模型(LSTM),精准预测即将开售车次不同价格水平下的余票情况;其次,利用梯度提升决策树(GBDT)切割旅客出行选择特征空间,并依据特征进行价格分级;最后,构建以铁路企业收益最大为目标的定价模型,并采用逐次逼近算法求解。算例结果表明,改进LSTM模型预测余票标准化均方误差为0.053,比LSTM、RNN和GRU更优;改进的浮动定价策略与现行浮动定价政策相比,能够更好地反应运输市场需求,提高铁路部门单日收益。

摘要： 针对Massive MIMO波束权值优化的难点,提出了一种基于GBDT机器学习的回归预测算法,通过实测及仿真,研究该算法在不同场景下各种波束权值的覆盖能力,基于机器学习模型,利用研究结果结合三维地图、建筑物数据、MR数据、仿真/测试数据等进行机器学习建模,输出Massive MIMO波束自适应覆盖优化算法。在现网的应用结果表明,该算法能够有效地提升5G网络覆盖质量。

摘要： 传统输电线损率计算方法在数据特征方面的研究较少,模型预测能力有限。对此提出一种基于多维特征和梯度提升树(Gradient Boosting Decision Tree,GBDT)模型的输电线路线损率预测方法。该方法由多维信息特征工程和拟合建模两部分组成,其中多维信息特征工程对线损率信息、时序数据及线路本体信息进行特征构建,形成多维特征。在拟合建模中,将三类特征进行拼接作为输入,通过GBDT模型拟合,构建输电线路线损率预测模型。对某省500 kV输电线路实际数据进行测试,结果表明该模型的线损率平均误差为0.703%,相比于支持向量机模型,均方根误差下降84.5%;相较于无多维特征的GBDT模型,误差减少下降15.1%,验证了该方法的有效性。

摘要： 近些年,机器学习在股票价格预测领域取得了不错的成绩。与传统基本面分析及技术分析相比较,使用机器学习方法能在各方面展现出独有的优势。文章使用了实际的股票交易数据,分别用随机森林算法以及梯度提升树(GBDT)算法进行建模,对单只股票的收益情况进行预测。实验结果表明,随机森林的解释性较高,但和GBDT模型的准确性相比略逊一筹,在比较后,实验将GBDT模型进行了少许的调参,该模型也达到了更好的预测效果。

摘要： 本发明公开一种集成GBDT与神经网络的网络异常检测方法，属于网络信息安全和机器学习的交叉技术领域。为了克服网络异常检测任务中传统机器学习算法和深度学习算法在处理表格数据上的不足，本发明选用专为表格数据设计的TabTransformer结构，同时为了应对网络异常检测中的类别不平衡问题，本发明采取了代价敏感的思想，引入了专门针对不平衡问题设计的Focal Loss损失函数，采取自适应学习策略，从参数搜索空间中自动选取Focal Loss的最佳参数。本发明既适用于二分类问题又适用于多分类问题。

摘要： 本申请公开了一种基于梯度提升决策树(GBDT)算法模型的非法语音识别方法及系统，本申请实施例获取通信网络中的呼叫详细记录(CDR)中的通话数据后，从中提取特征数据，得到特征数据；将得到的特征数据输入训练得到的GBDT算法模型中，输出得到所述语音的识别结果，所述语音的识别结果包括所述语音是否为非法语音及非法语音的类别。这样，本申请实施例就可以基于GBDT算法模型准确识别出通信网络中的非法语音的类别。

摘要： 本申请公开了一种GBDT模型的纵向训练方法、装置、电子设备及系统，包括：针对初始GBDT模型的当前决策树的当前层，获取多个样本各自位于当前层的节点的节点编号；分别针对当前层的每个节点，基于多个样本各自的节点编号，按照自身持有的每种特征的分箱数，对该节点包括的所有样本进行分箱，得到分箱结果；针对能够用于进行当前层的节点分裂的各种分裂标准，分别计算按照每种分裂标准进行节点分裂的评分增益值，评分增益值最高的分裂标准，作为当前层的分裂标准；按照该分裂标准，进行节点分裂，得到当前层的节点分裂结果，完成GBDT模型训练。采用该方案，在各数据节点不泄露自身的特征数据的情况下，实现了针对GBDT模型的纵向训练。

摘要： 本申请公开了一种GBDT模型的横向训练方法、装置、电子设备及系统，包括：针对初始GBDT模型的当前决策树的当前层，确定多个数据节点持有的每种特征的合并后分箱边界；分别针对当前层的每个节点，按照每种特征的合并后分箱边界，对该节点包括的所有样本进行分箱，得到分箱结果；针对能够用于进行当前层的节点分裂的各种分裂标准，分别计算按照每种分裂标准进行节点分裂的评分增益值，评分增益值最高的分裂标准，作为当前层的分裂标准；按照当前层的分裂标准，进行节点分裂，得到当前层的节点分裂结果完成GBDT模型训练。采用该方案，在各数据节点不泄露自身的特征数据的情况下，实现了针对GBDT模型的横向训练。

摘要： 本发明公开了一种应用于中药正品苍耳及掺有性状高度相似的伪品苍耳快速检测的方法。采集样品的近红外光谱扫描样品光谱，并对谱图数据进行一阶求导、矢量归一化、滤波平滑处理等预处理，提取最大程度代表样品的主成分信息，以GBDT算法构建了快速分析正品苍耳、掺伪蒙古苍耳、掺伪偏基苍耳的预测模型。该检测方法无需使用大量试剂，绿色环保，操作简便，重现性好，结果稳定准确，当苍耳样品量较大时，能够实现快速在线检测与实时评价反馈，有利于在苍耳生产、加工、流通、消费全过程中，实现苍耳品质的快速监测与评价。

摘要： 本申请公开了基于GBDT算法与逻辑回归模型构建企业违约风险评估模型的方法、设备及介质。方法包括获取多个样本企业的数据,对获取的数据进行整合、处理得到标准化数据，计算标准化数据的WOE值与IV值，通过WOE值与IV值进行变量分箱、筛选，使用GBDT算法作为逻辑回归模型的前置算法，由GBDT算法构造出新的组合特征，输入至逻辑回归模型从而构建企业违约风险评估模型，最后由企业违约风险评估模型对待评估企业进行评估，得到企业违约风险评估结果，识别企业违约风险概率。上述方法采用GBDT算法对逻辑回归模型的入模变量进行组合，选取对模型贡献更大的变量，同时对变量的重要性进行分析，使模型评估结果更合理，有效地提高了模型评估的准确性。

摘要： 本发明公开了一种基于GBDT的轨道交通客流分布提取和影响因素分析方法，属于机器学习在交通流量特征分析方面的应用领域。包括以下步骤：首先采集确定范围内轨道交通站点的进出站客流数据和站点周围的POI数据，并对所得数据进行数据清洗与数据整理；然后利用GBDT模型确定各类型的POI数据对于不同时段客流的相对重要性，确定轨道交通进出站客流量的影响因素；通过分析进出站客流量与影响因素之间的相关关系，提取轨道交通客流分布，包括交通发生分布与交通吸引分布；最后通过交通吸引分布和交通吸引分布的变化趋势评估不同时段的轨道交通需求总量及交通需求差异。本发明能够有效提高轨道交通运营效率，从而减少交通资源的浪费。

摘要： 本发明公开了了一种基于GBDT‑LR和信息量模型的滑坡易发性评价方法，本发明结合研究区域滑坡发育的特点，基于GIS和Python等软件，综合考虑前人研究成果，最终确定13个评价因子，基于信息量模型（I）、梯度提升决策树‑逻辑回归（GBDT‑LR）算法构建滑坡易发性评价模型，采用Borderline‑Smote算法解决滑坡样本的不对称问题，通过频率比、十折线交叉验证和ROC曲线对评价模型进行评估，最终制成贵池区易发性区划图，并结合实际情况分析所制成的滑坡易发性区划图的合理性；为滑坡发生的可能性提供参考，为政府治理滑坡灾害提供科学的参考依据。

摘要： 本发明提供了一种基于GBDT样例级的病患样本的智能医学辅助诊断方法。该方法包括：根据历史病患数据构建自适应AdaGBDT模块，利用AdaGBDT模块中的决策树通过迭代训练过程计算待诊断的病患样本的诊断结果；根据病患样本的决策路径计算病患样本的可解释特征嵌入，将AdaGBDT模型不同决策树之间的结果进行累加，得到病患样本的特征重要性嵌入；利用案例推理系统在嵌入空间中使用自加权距离度量在历史病患案例数据库中寻找与所述病患样本最相似的多个案例，将多个案例与病患样本的诊断结果进行比较，如果比较结果为不一致，则将所述病患样本标注为难样本。本发明方法提高了对预测结果不一致案例的关注度，从而有助于提高系统的召回率，减少了漏检案例的数量。

摘要： 本发明涉及一种基于GBDT‑LR模型的脑电信号情感识别方法，其中基于GBDT‑LR模型的脑电信号情感识别方法包括：首先获取相关脑电信号的数据集，对数据集进行预处理，利用滤波法除去其中的伪迹，使用主成分分析发对其进行降维，得到干净的脑电信号，然后使用小波包分解算法提取信号中的小波段特征，再使用信息论算法提取其中排列熵、近似熵和样本熵特征，将其组合成特征矩阵。将特征再送入梯度提升决策树(GBDT)模型中进行特征的自动再筛选和选择，将GBDT的结果进行One‑hot编码，形成新的训练数据，最后将新的特征在分类器中进行训练和测试，分类器为逻辑回归(LR)分类器。