基于KNN和AdaBoost的铁路事故类型预测方法

摘要

本发明公开一种基于KNN和AdaBoost的铁路事故类型预测方法，具体涉及，计算铁路事故历史数据集属性的稀疏度，根据稀疏度阈值删除部分属性列；对铁路事故数据中的字符型数据进行编码；使用KNN算法对铁路事故数据进行缺失值填补；对铁路事故数据进行归一化，归一化后的数据随机划分为训练集和测试集；使用AdaBoost方法，构造铁路事故类型预测分类器，在测试集上检验分类器性能。本发明公开的方法对铁路事故数据进行了有效的预处理，并使用集成学习方法AdaBoost来缓解原始数据的类不平衡问题，提升了事故类型预测的性能。