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-经度-气压-降水量-移动速度-纬度)_(风速).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

0.913s

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

0.003

0.002

0.009

1

交叉验证集

0.557

0.555

0.239

1.188

0.963

测试集

0.071

0.266

0.055

0.282

0.995

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

风速

台风起始时间

台风结束时间

当前台风时间

台风强度

经度

气压

降水量

移动速度

纬度

19.981962203979492

18

2

2

43

2

138.6

993

0.4

30

29.2

14.995545387268066

15

4

4

111

1

111.4

998

0.30000000000000004

15

17.8

15.016353607177734

15

4

4

125

1

111.9

998

0.1

6

21.7

18.043411254882812

18

3

3

44

2

116.4

998

0.7000000000000001

16

18.2

20.000164031982422

20

4

4

214

2

110.3

990

0.9

10

20.7

19.998323440551758

20

3

3

96

2

106.9

990

1.1

10

19.6

17.998703002929688

18

3

3

46

2

115.7

998

1.7000000000000002

15

18.3

15.005514144897461

15

4

4

126

1

112

998

0.30000000000000004

5

21.9

22.999454498291016

23

4

4

172

2

113.5

985

1.7000000000000002

3

20.5

24.99907112121582

25

4

4

204

3

111.8

982

0.8

10

20.9

17.99968910217285

18

2

2

31

2

130.7

993

0.30000000000000004

10

14.8

24.97437858581543

25

4

4

222

3

109.1

985

0.2

10

20.4

22.995622634887695

23

3

3

64

2

113

990

0.5

20

19.6

18.03034210205078

18

4

4

140

2

112.2

990

1

5

20.6

18.006322860717773

18

4

4

151

2

112.8

990

0.1

5

20.8

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