基于超參數(shù)優(yōu)化集成學(xué)習(xí)的出行方式選擇研究

摘要： 為解決傳統(tǒng)出行方式選擇模型和機器學(xué)習(xí)模型存在的識別精度不高、超參數(shù)優(yōu)化復(fù)雜，以及模型可解釋性弱等問題，本文分別采用遺傳算法和貝葉斯優(yōu)化對極限梯度提升機模型進行超參數(shù)尋優(yōu)，進一步融合SHAP(SHapley Additive exPlanations)模型可視化出行方式屬性和個體特征對選擇概率的非線性關(guān)系，采用5折交叉驗證的方式訓(xùn)練，避免過擬合。最終，結(jié)合瑞士地鐵數(shù)據(jù)驗證所提模型... （共10頁）