融合數(shù)據(jù)平衡與貝葉斯優(yōu)化的交通事故嚴(yán)重程度預(yù)測模型

摘要： 針對交通事故數(shù)據(jù)類別不平衡導(dǎo)致的預(yù)測精度低問題，融合了過采樣技術(shù)和貝葉斯網(wǎng)絡(luò)來改進(jìn)Catboost算法，以預(yù)測交通事故的嚴(yán)重程度。利用PowerSHAP算法篩選出21個(gè)關(guān)鍵特征，采用Borderline-SMOTE過采樣技術(shù)對處于邊界的少數(shù)類樣本進(jìn)行平衡采樣；使用貝葉斯優(yōu)化方法調(diào)整Catboost算法的超參數(shù)，并基于調(diào)優(yōu)后的Catboost算法建立交通事故嚴(yán)重程度預(yù)測模型。通過... （共8頁）