原文传递
基于采样技术和机器学习算法的交通事故严重程度预测
| 题名： | 基于采样技术和机器学习算法的交通事故严重程度预测 |
| 正文语种： | 中文 |
| 作者： | 谢辉 |
| 作者单位： | 中国公路工程咨询集团有限公司 |
| 关键词： | 不平衡数据;过采样;欠采样;机器学习;类别组合 |
| 摘要： | 针对交通事故数据中人员伤亡严重程度的不平衡性，本文结合采样方法以及类别组合方法，改善数据的不平衡性，提高其在机器学习算法中的预测效果。本文首先分别使用了随机过采样、随机欠采样，Smote(Synthetic Minority Over-sampling Technique)采样算法对数据进行处理，然后使用三种分类算法，即决策树、随机森林和adaboost，对事故严重程度进行预测，并采用类别准确率以及几何平均值作为评价指标对比分析分类算法的性能。此外，本文还对五分类问题转变为三分类问题进行研究。结果表明，釆 |
| 期刊名称： | 公路交通科技 |
| 出版年： | 2020 |
| 期： | 02 |
| 页码： | 312-314 |
检索历史
应用推荐
