吉林大学学报(理学版) ›› 2022, Vol. 60 ›› Issue (2): 401-408.
王彦琦1, 张强1, 朱刘涛1, 袁和平2
WANG Yanqi1, ZHANG Qiang1, ZHU Liutao1, YUAN Heping2
摘要: 针对梯度提升决策树(gradient boosting decision tree, GBDT)参数难以选择的问题, 提出一种基于改进鲸鱼优化算法(improved whale optimization algorithm, IWOA)的GBDT回归预测算法. 首先, 提出一种改进的鲸鱼优化算法, 利用混沌映射初始化种群提高种群多样性, 引入惯性权重与差分进化算法中的变异交叉策略解决迭代后期易陷入局部最优的问题; 其次, 利用IWOA对GBDT的关键参数寻优, 避免参数选择的盲目性, 提高回归预测模型的泛化能力; 最后, 建立IWOA-GBDT回归预测模型, 并利用UCI数据集对模型进行验证. 实验结果表明, 相比于决策树、 支持向量机、 Adaboost和GBDT算法, 该模型算法具有更好的拟合效果, 并有一定的实用价值.
中图分类号: