基于梯度提升决策树和神经网络的货量预测方法及系统

摘要

本发明公开了一种基于梯度提升决策树和神经网络的货量预测方法及系统，属于货量预测技术领域。该方法步骤包括：S1，将获取的特征数据X通过预先训练的梯度提升决策树模型T构造其在每棵决策树上的叶子节点特征；S2，使用叶子节点特征替换掉特征数据X中的高维类别特征后，得到特征数据X′；S3，将特征数据X′输入到预先训练的神经网络模型M中进行货量预测，并输出预测结果。本发明在数据输入端使用梯度提升决策树模型直接处理高维类别特征并进行特征组合，在输出端利用神经网络模型捕捉特征数据与货量间的复杂数量关系，克服了现有技术中对高维类别特征进行独热编码产生的数据稀疏导致模型的货量预测不够精准的问题。