xgboost回归_(台风起始时间-台风结束时间-当前台风时间-台风强度-风速-经度-气压-降水量-移动速度)_(纬度).docxVIP

分析流程

数据源：

贝碧嘉.xlsx

算法配置：

算法：XGBoost回归

分析结果：

XGBoost回归基于MSE、RMSE、MAE、MAPE、R2指标对模型进行评价，请看详细结论。

分析步骤

1.通过训练集数据来建立XGBoost回归模型。

2.通过建立的XGBoost来计算特征重要性。

3.将建立的XGBoost回归模型应用到训练、测试数据，得到模型评估结果。

4.由于XGBoost具有随机性，每次运算的结果不一样，若保存本次训练模型，后续可以直接上传数据代入到本次训练模型进行计算预测。

5.注：XGBoost无法像传统模型一样得到确定的方程，通常通过测试数据预测精度来对模型进行评价。

详细结论

输出结果1：模型参数

参数名

参数值

训练用时

1.127s

数据切分

0.7

数据洗牌

是

交叉验证

10

基学习器

gbtree

基学习器数量

100

学习率

0.1

L1正则项

0

L2正则项

1

样本征采样率

1

树特征采样率

1

节点特征采样率

1

叶子节点中样本的最小权重

0

树的最大深度

10

图表说明：

上表展示了模型各项参数配置以及模型训练时长。

输出结果2：特征重要性

图表说明：

上柱形图或表格展示了各特征（自变量）的重要性比例。

输出结果3：模型评估结果

MSE

RMSE

MAE

MAPE

R2

训练集

0

0.01

0.005

0.022

1

交叉验证集

1.234

0.585

0.294

1.57

0.779

测试集

0.129

0.359

0.163

0.77

0.94

图表说明：

上表中展示了交叉验证集、训练集和测试集的预测评价指标，通过量化指标来衡量XGBoost的预测效果。其中，通过交叉验证集的评价指标可以不断调整超参数，以得到可靠稳定的模型。

●MSE（均方误差）：预测值与实际值之差平方的期望值。取值越小，模型准确度越高。

●RMSE（均方根误差）：为MSE的平方根，取值越小，模型准确度越高。

●MAE（平均绝对误差）：绝对误差的平均值，能反映预测值误差的实际情况。取值越小，模型准确度越高。

●MAPE（平均绝对百分比误差）：是MAE的变形，它是一个百分比值。取值越小，模型准确度越高。

●R2：将预测值跟只使用均值的情况下相比，结果越靠近1模型准确度越高。

输出结果4：预测结果

预测测试集结果Y

纬度

台风起始时间

台风结束时间

当前台风时间

台风强度

风速

经度

气压

降水量

移动速度

19.47064781188965

19.3

3

3

68

2

23

111.8

990

0.8

20

18.477149963378906

18.2

4

4

115

1

15

111.4

998

0.1

15

20.623184204101562

20.8

4

4

150

2

18

112.8

990

1.8

5

21.190567016601562

21.2

4

4

193

3

25

113

982

1.7000000000000002

10

19.567834854125977

19.5

3

3

63

2

23

113

990

0.7000000000000001

20

20.593172073364258

20.9

4

4

123

1

15

111.6

998

1.2000000000000002

14

18.504657745361328

19

3

3

53

2

20

115

994

1.5

15

20.693147659301758

20.6

4

4

143

2

18

112.5

990

0.2

7

20.472864151000977

20.5

4

4

167

2

23

113.4

985

1.7000000000000002

0

19.554807662963867

19.6

4

4

244

3

28

106.2

982

1.4000000000000001

15

20.512895584106445

20.5

4

4

220

2

20

109.4

990

0.4

10

20.0854434967041

19.9

4

4

118

1

15

110.9

998

1

5

21.219810485839844

21.9

4

4

126

1

15

112

998

0.30000000000000004

5

21.426692962646484

21.3

4

4

130

1

15

111.3

998

1.5

10

21.009069442749023

21.2

4

4

197

3

25

112.3

982

1.2000000000000002

10

图表说明：

上表格为预览结果，只显示部分数据，全部数据请点击下载按钮导出。

上表展示了XG