xgboost回归_(经度)妈妈杯大数据数学建模.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

1.017s

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

0.001

0.035

0.013

0.011

1

交叉验证集

0.141

0.341

0.212

0.187

0.987

测试集

0.121

0.348

0.193

0.171

0.994

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

经度

台风起始时间

台风结束时间

当前台风时间

纬度

台风强度

风速

气压

降水量

移动速度

106.0379638671875

105.7

4

4

248

19.4

2

23

990

0.9

15

112.5875473022461

112.7

4

4

146

20.6

2

18

990

0.8

6

115.38117218017578

115.5

3

3

47

18.3

2

18

998

1.7000000000000002

15

113.67208862304688

113.7

4

4

181

21

2

23

985

0.6000000000000001

3

112.73213195800781

112.8

4

4

149

20.8

2

18

990

1.7000000000000002

5

106.00700378417969

105

4

4

249

19.3

2

18

992

0.7000000000000001

22

112.715576171875

112.8

4

4

194

21.2

3

25

982

0.6000000000000001

10

110.90210723876953

110.3

4

4

117

19.8

1

15

998

1.6

6

110.11314392089844

109.3

4

4

221

20.5

3

25

985

0.5

10

113113.3

4

4

160

20.6

2

20

990

1.1

0

107.8990478515625

108

4

4

230

19.9

3

28

982

1

15

111.06510162353516

111.4

4

4

112

17.9

1

15

998

1.4000000000000001

10

115.28208923339844

115.3

3

3

50

18.5

2

20

994

1.5

15

111.20030975341797

111.3

4

4

208

20.9

3

25

982

0.8

12

107.61965942382812

107.7

4

4

232

19.9

3

28

982

0.4

15

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XGBoost对测试