分类回归树

摘要： 客户流失预测能够帮助运营商制定有针对性的挽留营销政策,对提高竞争力和营业收入有重要意义。本文针对随机森林算法在数据和类别不平衡情况下预测准确率下降的问题,在随机森林CART分类树算法的特征选择过程中引入客户生命周期价值指标,降低了不平衡情况下的基尼系数和模型的不纯度。对电信业客户基本信息、行为数据和交互数据进行数学挖掘和建模,实验结果表明,新改进算法在不平衡情况下可以对潜在流失客户群的特征进行预测,能有效提升客户流失预测模型的准确率,精确评估高价值客户流失临界点,从而快速计算出挽留成本和收益。

摘要： 目的建立乙型肝炎病毒表面抗原(HBsAg)定性测定的快速连续监测法。方法摸索均相光激化学发光免疫分析技术检测HBsAg的反应时间条件,建立短时连续检测程序。使用分类回归树(CART)算法,根据10个组合分类变量建立阴阳性判断规则,同时根据阴性、阳性样本重叠区域,建立可疑判断规则。对连续监测法进行检出限验证,并比较连续监测法和第1次读数的阴性复检率。结果确定均相光激化学发光免疫分析技术检测HBsAg的2次温育时间分别为9 min、4 min,之后每分钟检测1次,连续3次,总反应时间为15 min。采用CART决策树建立了判断规则,在该规则下,样本验证阴性符合率为100%,阳性符合率为97.5%。训练样本风险指数为0.02,验证样本风险指数为0.011,均小于0.05。连续监测法在0.1 IU/mL时检出限验证符合要求。连续监测法的阴性复检率为2.55%,第1次读数方案的阴性复检率为7.64%,两者差异有统计学意义(χ^(2)=4.215,P=0.04)。结论连续监测法在满足定性准确性和低复检率要求下可缩短反应时间。

摘要： 航班离港始于停机坪推出,经由滑行道滑行并止于跑道离地,因此机坪空间及其与跑滑系统构成的相对位置关系对航班离港滑行具有较大影响,滑行时间的预测精度对ACDM机制下航班推出时刻优化和跑滑系统效率提升具有重要作用。首先提出机位组概念表征机坪空间构型,据此设计场面实时动态航班流量、机位组无阻碍滑行时间和机位组空间影响指数等新特征变量,然后基于分类回归树构建预测模型,验证新特征引入对离港滑行时间的预测效果。以首都机场实际运行数据为例,预测结果表明:在保持较高拟合优度的同时,新引入的表征机坪构型及其与跑滑系统相对位置关系的特征变量提高了离港滑行时间预测模型精度,预测与实际误差值在3 min和5 min内的航班数量分别提高了4.88%和6.46%,每高峰小时可为首都机场减少约2~3个起飞时隙的浪费;新特征变量对离港滑行时间预测精度的整体贡献较大,且场面整体流量特征变量的贡献超过单一跑道流量,进港航班相关特征变量的贡献超过离港航班。

摘要： 【目的】基于历史数据,利用机器学习方法分析宁夏南部土壤质地空间变异规律及其与环境因素之间的关系。【方法】基于宁夏回族自治区南部428个20世纪80年代第二次土壤普查土壤剖面点数据,采用分类回归树(CART)和随机森林(RF)两种机器学习方法,结合地形因子、土壤类型、归一化植被指数,探究与宁夏南部地区土壤质地分布相关性较强的环境因素,并用两种机器学习预测该区土壤质地类型的空间分布,用剖面点验证集数据以及宁夏回族自治区海原县实测样点数据验证模型精度。【结果】(1)RF和CART对剖面点验证集土壤质地类型的预测正确率分别为62.36%、55.29%,接收者操作特性(receiver operating characteristic,ROC)曲线下面积(area under roc curve,AUC)分别为0.7515、0.6933,对海原县122个实测样点的预测正确率分别为54.10%、48.36%,AUC分别为0.6599、0.5981,RF的预测精度高于CART。(2)该区土壤类型(ST)是与土壤质地空间分布相关性最强的环境因素,其次是高程(Ele),高程越高,土壤质地越黏重。风力作用指数(WEI)和坡度(Slo)对土壤质地的影响较小。(3)研究区土壤质地类型以轻壤土为主,空间分布格局基本呈现为南部土壤质地黏重,北部土壤质地较轻。【结论】RF更适合预测宁夏南部地区土壤质地的空间分布,且充分利用历史数据,结合新的野外采样,可以达到预测制图的精度要求;土壤类型(ST)和高程(Ele)是与土壤质地空间分布相关性较强的环境因素。

摘要： 为了提高城市交通信息管理能力、交互能力和处理能力,提出了基于XGBoost融合模型的交通流量预测系统。构建了梯度方向直方图(HOG)特征信息模型,采用支持向量机(SVM)分类器对城市交通信息进行识别,增强了道路信息识别能力。同时,构建了基于XGBoost融合模型的交通流量预测系统。XGBoost融合模型将分类回归树(CART)作为基分类器,应用Label Encoding和one-hot Encoding方式实现原始数据集的编码,集成多个决策树模型,共同决定样本的预测结果。通过调整模型参数,可防止出现过拟合。通过对不同数据信息进行分类,提高了数据监控能力。试验结果表明,该研究对车辆图像的识别率较高,对交通流量的预测数据的误差百分比始终低于0.1。该研究能够加强城市交通系统监控,提高交通数据信息分析和应用能力。

摘要： 为建立典型城市机动车驾驶模式并量化其尾气排放,研究选取成都市内26辆满足国V排放标准(GB 18352.5-2013《轻型汽车污染物排放限值及测量方法(中国第五阶段)》)的轻型汽油车,利用便携式尾气测量系统测量其现实条件下的行驶工况及尾气排放,并根据实际情况结合分类回归树方法构建本地化的驾驶模式并分析各模式的尾气排放.结果 表明:划分的加速、减速、匀速、怠速、停走5种驾驶模式,可以反映车辆行驶过程中尾气排放和油耗特征.不同驾驶模式间的尾气排放有显著差异.通常情况下,以加速最大,其次为匀速、停走、减速,以怠速最小.根据污染物不同,不同模式间的尾气排放差异可达到12倍.此外,现实条件下车辆尾气超标排放的情况严重,且存在间歇性高排放的现象.这说明构建典型城市驾驶模式并分析其模武排放特征有助于估算小尺度的机动车尾气排放清单,并为交通管理和尾气排放控制提供数据参考.

摘要： 目的:应用分类回归树探讨本科实习护生职业认同的影响因素.方法:便利选取2所三级综合医院182名本科实习护生为调查对象,采用护士职业认同量表调查其职业认同现状.结果:单因素分析结果显示,不同年龄、性别以及是否担任班委或学生干部、自主选择护理专业、心理疏导教育、职业认同相关教育的本科实习护生的职业认同得分比较差异有统计学意义(P＜0.05).分类回归树分析显示有职业认同相关教育的本科实习护生职业认同得分最高[(110.08士 15.03)分],无职业认同相关教育、非自主选择护理专业、有心理疏导教育的本科实习护生职业认同得分最低[(72.60±29.11)分].结论:注重本科实习护生职业认同知识教育和认知干预,针对不同年龄、性别护生开展有计划、科学有效的职业认同教育,促进男女护生之间的合作和职业情感交流,互增职业认同感.

摘要： 在复杂的移动平台环境下,负载均衡算法是实现XMPP通信服务器集群前端的负载均衡器的核心问题,及时准确地预测负载情况是实现合理调度分流的前提.本文分析了现有的负载均衡算法存在的问题,针对这些问题提出了针对于移动平台使用XMPP协议服务器端的基于分类回归树CART和KNN结合的预测算法.该方法首先通过动态反馈采集服务器节点的资源信息组成时间序列,对时间序列进行预测计算.然后将服务器节点分区域管理,运用不同的调度策略.实验证明,与原始的加权轮询和最小连接数算法相比,该预测算法在连接响应时间上减少了25％,在建立连接的平均速率上提升了近1.3倍,动态的调度策略使得整个服务器集群有更大的吞吐量,对于移动平台有更好的适应性.

摘要： 以三峡库区树坪滑坡地下水位监测数据为例,在深入分析降雨量、库水位等影响因素与滑坡地下水位动态变化的响应关系基础上,选取影响地下水位变化的因子集,基于该因子集构建分类回归树模型,并对地下水位进行预测.经验证,测试样本的预测结果与实测值基本吻合,其平均绝对误差和相对误差分别为0.28m和1.15％.利用相同因子集构建粒子群支持向量机模型进行对比,预测结果的平均绝对误差和相对误差分别为1.53m和6.11％.综合表明分类回归树模型具有较好的泛化预测能力,同时在分析滑坡地下水动态变化特征、筛选重要变量等方面具有较强的优越性,是一种有效的滑坡地下水位预测方法.

摘要： CART(Classification And Regression Tree,分类回归树)是一种准确率和效率都较高的数据挖掘算法,它支持离散型和连续型的数据分类,但无法适用于对加密的隐私云数据进行分类.因此提出了PPCART(Privacy-preserving CART,隐私保护的分类回归树),该算法利用同态加密特性对CART算法做了相应的改善,使之在保持CART原有准确率和相对较好执行效率的情况下能分类加密云数据,避免了在半诚实模型下的分类过程中真实数据的泄露.经过安全分析和实验测试表明,PPCART可显著提高传统CART算法的安全性,且具有接近于它的执行时间.

摘要： 目的:探讨缺血性中风急性期证候与相关生物学指标的关系,从微观辨证的角度阐明证候与疾病的关系.rn 方法:用ELISA法测定175例急性期缺血性中风病患者起病后72h内、第7、14d热休克蛋白70(HSP70)、细胞间黏附分子1(ICAM-1)及金属基质蛋白酶9(MMP9)表达水平的变化,并动态采集四诊信息判断其证候要素.应用广义规则归纳(GRI)和分类回归树(C&RT)对其数据进行挖掘分析.rn 结果:应用GRI发现血瘀证在3个时间点均与缺血性中风急性期相关生物学指标存在密切关联.应用C&RT发现HSP70表达水平是影响气虚证最重要的因素.rn 结论:研究提示HSP70、ICAM-1、MMP9可能是缺血性中风急性期血瘀证的微观指标,提示HSP70可能为气虚证的微观指标.

摘要： 建构有效的信用评等模式为现今各家金融机构所关注的议题，冀望藉由信用评等模式准确预测顾客的信用良窳,故而评等模式的准确性与快速性将直接影响金融机构的获利续效。银行过去的授信常以授信人员的主观判断以及信用评等表格制式化等方式为之，如此必须将可能具有关联之属性进行转换或降阶成人脑所能处理的资讯。将高维度属性转换成较低维度方式，将可能丧失潜藏于其中的关键资讯，更恐造成授信业务的效果不彰，进而影响银行获利绩效。银行的客户资料系统中，往往储存大量顾客资料,若能有效运用这些顾客资料，在决策品质与服务速度的提升，定有相当帮劝。本研究尝试提出一整合类神经网路(Artificial NeuralNetworks，ANNs)与分类回归树(Classification andRegression Tree，CART)以及多元适应性云形回归(Multivariate Adaptive Regression Splines，MARS)之分类模式建构程序,以应用於信用评等模式之建构，与单纯使用倒传递类神经网路模式所得结果进行比较,并采5-Fold交叉验证的方式，降低可能产生之抽样偏差。研究结果显示，整合模式之绩效表现不亚于单纯使用倒传递类神经网路所建构之模式。因此在考虑时间成本的情形之下，整合模式可作为模式建构之备选方案。

摘要： 由于台湾地区信用卡的发卡量逐年增加，而且不论是签帐金额、预借现金或是循环信用金额都逐年快速提高，因此信用卡市场成为金融业的必争之地。各家金融业者，不管是外商银行或是本国企业，无不全力抢食这块大饼。因此如何找出良好之客户，并筛选出信用不良之客户已经是金融业之重要工作。由于科技的不断进步、网际网路的快速发展及各种储存设备的制造成本大幅的降低，金融业者可以轻易地获得顾客的各种资料：而这些资料往往隐藏许多重要的资讯，若能有效地运用这些资讯，进行正确的处理，并经由适当的分析方法取得相关的重要资讯，在信用评等模式的制定上，定有相当的辅助效果。本研究尝试提出-整合类神经网路与分类回归树(classificationand regression tree，CART)及多元适应性云形回归(multivariate adaptive regression splines，MARS)于信用评等模式问题之建构程序，并采用5-fold交叉验证(5-fold cross-validation)，以检验分类模式之监别能力；并藉由某信用卡发卡银行提供之信用卡持有者之信用资料建构分类模式，并将分析之结果与单纯使用倒传递类神经网路及传统统计方法之分析结果进行比较。研究结果显示，整合分类模式的判别结果明显有优于倒传递类神经网路模式及传统统计方法之分类结果。

摘要： 本文构建了一个面向大规模嵌入式设备固件的自动化分析平台,该平台能够对固件进行自动化分析,提取其文件系统、操作系统、内核版本、加密算法、CPU指令集等关键信息.针对固件解码成功的自动化判定难题,提出了一种基于CART决策树的判定算法.实验结果表明,该判定算法对于固件解码具有非常好的判定效果,判定准确率高达99.01％,召回率达到98.95％.

摘要： 本文构建了一个面向大规模嵌入式设备固件的自动化分析平台,该平台能够对固件进行自动化分析,提取其文件系统、操作系统、内核版本、加密算法、CPU指令集等关键信息.针对固件解码成功的自动化判定难题,提出了一种基于CART决策树的判定算法.实验结果表明,该判定算法对于固件解码具有非常好的判定效果,判定准确率高达99.01％,召回率达到98.95％.

摘要： 本文构建了一个面向大规模嵌入式设备固件的自动化分析平台,该平台能够对固件进行自动化分析,提取其文件系统、操作系统、内核版本、加密算法、CPU指令集等关键信息.针对固件解码成功的自动化判定难题,提出了一种基于CART决策树的判定算法.实验结果表明,该判定算法对于固件解码具有非常好的判定效果,判定准确率高达99.01％,召回率达到98.95％.

摘要： 本文构建了一个面向大规模嵌入式设备固件的自动化分析平台,该平台能够对固件进行自动化分析,提取其文件系统、操作系统、内核版本、加密算法、CPU指令集等关键信息.针对固件解码成功的自动化判定难题,提出了一种基于CART决策树的判定算法.实验结果表明,该判定算法对于固件解码具有非常好的判定效果,判定准确率高达99.01％,召回率达到98.95％.

摘要： 本发明提供了一种基于回归树分类的双重映射学习压缩人脸图像复原方法。在训练阶段，首先将得到的残差人脸图像不重叠分块，对应位置压缩图像块向外扩展后分块构成训练样本集；再对每个压缩图像块进行二次重叠分块，对得到的每个子块进行多维特征提取再进行回归树分类；通过分类结果引导压缩图像块进行全局回归和多局部线性回归的双重映射；得到的双重映射作为压缩图像块和残差图像块之间的非线性回归模型；将上述模型应用到待清晰的图像块中，得到复原后的残差图像块；按照位置顺序将残差图像块无重叠拼接后再加上压缩图像，得到最终复原后的清晰人脸图像。

摘要： 本发明涉及一种基于分类和回归树算法的植被指数预测方法、系统及设备，通过以植被指数作为因变量，以全球陆地数据同化系统流域地表模型数据集和高程数据作为自变量，构建分类与回归树模型，利用分类与回归树模型对所述样本数据进行分类并根据所述分类结果预测目标时间段的植被指数，获取植被指数预测结果。相对于现有技术，本发明解决了现有技术中植被指数缺失问题，用户可利用本发明实现任意时间段的植被指数预测，完善植被指数数据。

摘要： 本发明公开了一种基于增强回归树算法的面向二值分类的因子筛选方法，（1）、数据搜集，建立目标变量‑预测因子数据集；（2）、基于目标变量和全部因子利用增强回归树算法建模，计算因子重要性并排序；（3）、对全部因子进行相关性分析，分析皮尔逊相关矩阵并进行筛选；（4）、基于目标变量和保留下来的因子利用增强回归树算法建立新的模型，计算预测偏差，计算因子重要性并排序，剔除重要性最小的因子，直至保留下来的因子数量≤2；（5）、比较步骤（4）中各增强回归树模型的预测偏差，将预测偏差最小的增强回归树模型所采用的全部因子作为最佳因子组合。本发明建立了定量化的因子选取体系，结果可靠，应用领域广。

摘要： 本申请涉及一种基于分类与回归树的岛礁浅海水深预测方法、装置、存储介质和计算机设备，所述方法包括如下步骤：获取岛礁浅海区的多光谱反射率；获取岛礁浅海区的水深控制点的实际水深值和悬浮泥沙含量；根据所述多光谱反射率中的近红外和红外波段反射率计算水深控制点的悬浮泥沙含量预测值；根据水深控制点的多光谱反射率、实际水深值和悬浮泥沙含量，利用分类和回归树算法构建浅海水深、多光谱反射率和悬浮泥沙含量的非线性回归映射模型；将所述岛礁浅海区的多光谱反射率输入至所述非线性回归映射模型进行时空序列连续反演，获得水深预测值。本申请所述的基于分类与回归树的岛礁浅海水深预测方法具有高效快速地获取岛礁浅海水深，结果精确可靠的优点。

摘要： 本发明公开了一种高斯过程回归树分类器多元合金异常数据识别方法：高斯过程回归树分类器异常数据识别方法(英文名：Tree‑Classifier for Gaussian‑Process‑Regression,简称：TCGPR)。本方法基于随机过程假设，根据集合中数据之间的高斯关联性定义了数据集合的全局高斯无序因子(Global Gaussian Messy Factor,GGMF)。通过最大化全局高斯无序因子的期望降低值，不断地扩充初始的数据集合，直至数据集合的拟合优度饱和。本方法基于Stump‑Tree模型建立，通过初始数据集的动态扩容，切分输入的数据集合。本方法可用于例如检测合金性能测试的异常数据，等异常数据识别和分割的机器学习任务之中。本发明是一种基于全局关联性的有监督数据预处理方法，并在相关的数据评估中证实了本方法用于发现和强化数据之间关联的可行性。

摘要： 本发明公开了一种基于分类与回归树的矿井通风摩擦风阻预测方法，基于分类与回归树的回归方法，以巷道固有的形状，支护方式，有无设备，宽度，截面面积及周长等影响因素为输入特征，巷道百米摩擦风阻为输出，本发明无需进行现场摩擦阻力测试和摩擦风阻估算，提高了摩擦风阻获取的效率，同时降低了摩擦风阻的误差，为矿井通风系统的设计、优化调节及灾害防治和应急救援提供准确可靠的基础参数和理论依据。

摘要： 本发明涉及一种基于分类和回归树算法的植被指数预测方法、系统及设备，通过以植被指数作为因变量，以全球陆地数据同化系统流域地表模型数据集和高程数据作为自变量，构建分类与回归树模型，利用分类与回归树模型对所述样本数据进行分类并根据所述分类结果预测目标时间段的植被指数，获取植被指数预测结果。相对于现有技术，本发明解决了现有技术中植被指数缺失问题，用户可利用本发明实现任意时间段的植被指数预测，完善植被指数数据。

摘要： 本发明的实施例公开一种利用分类回归树的PLC信道脉冲噪声检测方法和系统，所述方法包括：步骤1，输入实测的信号序列S；步骤2，根据分类回归树性质检测PLC信道脉冲噪声。具体为：如果第K个窗口分类回归系数HK满足判断条件|HK|≥e0，则在所述信号序列S的第K点处，检测到脉冲噪声；否则，未检测到脉冲噪声。其中，e0为脉冲噪声判断阈值。

摘要： 本发明涉及一种基于差异演化的互补分类回归树的故障诊断方法及系统。该方法包括：获取样本集合；样本集合包括多种故障类别对应的样本信号，每个样本信号为对应故障类型下设备的运行信号；对样本集合中每个样本信号进行分析，得到所有样本特征向量组成的样本特征向量集合；根据样本特征向量集合，以遗传算法为差异性演化基础获得互补分类回归树模型；互补分类回归树模型包括原始分类回归树和互补分类回归树；基于分类回归树所有叶节点的基尼指数之和与叶节点数量，确定互补分类回归树模型中最优的分类回归树，得到设备的故障诊断模型；基于设备的运行信号，采用设备的故障诊断模型对设备进行故障诊断。本发明可以提高设备故障诊断的性能。

摘要： 本发明公开了一种基于K‑Medoids和分类回归树的路感模拟方法，包括进行实车试验并采集数据，试验数据预处理，归一化试验数据聚类，划分训练和测试数据集，训练和测试基于K‑Medoids和CART回归树的路感模拟模型，判断所得路感模型是否满足要求，根据所得基于K‑Medoids和CART回归树的路感模拟模型进行路感模拟。CART回归树模型的输入变量为车辆纵向速度、车辆横向加速度、车辆横摆角速度、车辆垂向载荷、方向盘转角和方向盘角速度，输出变量为方向盘力矩。试验证明，本方法所获得的基于K‑Medoids和CART回归树的路感模拟模型精度较高且建模过程易实施，在一定程度上克服了现有技术的缺陷。