基于元学习优化随机森林算法的区域经济预测OA
Regional Economic Prediction Based on Meta-learning and Random Forest Algorithm Optimization
为降低经济指标众多及外部因素给经济预测准确度带来的影响,有效提高区域经济预测性能,借助元学习算法的小样本分析优势,提高随机森林算法的适用性,实现区域经济预测.根据区域经济统计数据选取多个数据样本,构建随机森林算法的经济预测模型,通过多个弱分类器投票获得经济预测结果;考虑弱分类器权重数量较少,借助元学习算法对权重进行优化;采用优化的随机森林算法模型完成区域经济预测,并选取中等城市和区不同数量规模的经济样本进行多个经济指标预测仿真.结果表明,经过元学…查看全部>>
To reduce the impact of various economic indicators and external factors on the accuracy of economic prediction,regional economic prediction is achieved by taking advantage of small-sample analysis of meta-learning algorithm and the improved random forest algorithm.Multiple data samples are selected from the regional economic statistics to develop an economic prediction model based on random forest algorithm,and the economic prediction results are obtained f…查看全部>>
李佳颖;吴迪
广州南洋理工职业学院 经济管理学院, 广州 510540哈尔滨工程大学 计算机科学与技术学院, 哈尔滨 541004||齐齐哈尔大学 计算机与控制工程学院, 黑龙江 齐齐哈尔 161006
经济学
经济预测机器学习随机森林算法元学习模型仿真权重优化
economic predictionmachine learningrandom forest algorithmmeta-learningmodel simulationweight optimization
《南通职业大学学报》 2023 (4)
80-85,6
2021年广东省特色新型智库项目(2021TSZK021)2022年广东省社科规划项目(GD22XYJ28)
评论