声明
第1章绪论
1.1研究背景及意义
1.1.1研究背景
1.1.2研究意义
1.2国内外研究现状
1.2.1国内研究现状
1.2.2国外研究现状
1.3论文研究内容
1.4论文可行性分析与创新点
1.4.1论文可行性分析
1.4.2论文创新点
1.5论文组织结构
第2章基础算法综述
2.1支持向量机SVM算法
2.1.1 SVM算法简介
2.1.2 SVM基本模型推导
2.2 RandomForest算法
2.2.1 RandomForest算法简介
2.2.2Random Forest基本模型推导
2.3 GBDT梯度提升决策树算法
2.3.1 GBDT算法简介
2.3.2 Boosting方法与梯度提升决策树模型
2.3.3梯度提升决策树模型推导
2.4算法模型的评价指标
第3章数据预处理与探索化展示
3.1数据预处理简介
3.2本文数据展示
3.3数据预处理的方法
3.3.1缺失值处理
3.3.2噪声数据处理
3.3.3数据缩减技术
3.3.4数据平滑
3.4本文数据预处理实例
3.4.1原始数据准备
3.4.2数据预处理的具体应用
3.5实验数据探索化展示
3.5.1探索性数据分析简介
3.5.2探索性数据分析的特点
3.5.3探索性数据分析与数据可视化
3.5.4本文数据探索及可视化展示
3.6初始数据集相关性分析
3.6.1相关分析简介
3.6.2 Pearson相关系数定义
3.6.3相关性分析结果
第4章特征工程
4.1特征提取
4.2特征构建
4.3特征选择
4.4本文特征工程应用
第5章模型实验对比及融合
5.1实验概述
5.2 GBDT调参及实验结果
5.3单模型实验结果
5.4模型融合
第6章总结和展望
6.1全文总结
6.2后续工作展望
致谢
参考文献