决策树回归-city2数学建模竞赛.docxVIP

下载本文档

1
0
约3.99千字
约 10页
2025-10-19 发布于甘肃
举报
版权申诉

决策树回归-city2数学建模竞赛.docx

此“教育”领域文档为创作者个人分享资料，不作为权威性指导和指引，仅供参考

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

分析流程

数据源：

Appendix2-HohhotCity.xlsx

算法配置：

算法：决策树回归

分析结果：

决策树回归基于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决策数回归模型，得到决策树结构。

2.通过建立的决策树来计算特征重要性。

3.将建立的决策树回归模型应用到训练、测试数据，得到模型评估结果。

4.由于决策树具有随机性，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：决策树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

0.121s

数据切分

0.8

数据洗牌

是

交叉验证

节点分裂评价准则

friedman_mse

特征划分点选择标准

best

划分时考虑的最大特征比例

None

内部节点分裂的最小样本数

叶子节点的最小样本数

叶子节点中样本的最小权重

树的最大深度

叶子节点的最大数量

节点划分不纯度的阈值

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：决策树结构

图表说明：

上图展示了决策树结构，内部节点给出了被分枝特征的具体切分情况，即根据某个特征的某个切分值进行划分。

（若节点数大于30，点击下载按钮查看决策树结构）

●mse/friedman_mse/mae等用以确定对哪一个特征进行切分。

●样本数量是该节点拥有的样本数量。

●节点样本均值是该节点全部样本的均值。

PS：特别注意的是，若节点数大于30，系统提供下载按钮查看决策树结构；若节点数大于2000，由于树结构渲染模糊，系统不提供下载导出。

输出结果3：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4：模型评估结果

MSE

RMSE

MAE

MAPE

训练集

4181830.84

2044.953

1441.859

16.839

0.587

交叉验证集

6130455.719

2468.087

1655.465

19.109

0.394

测试集

5873863.4

2423.605

1622.809

18.575

0.44

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决策树的预测效果。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5：预测结果

预测测试集结果Y

Price(USD)

Totalnumberofhouseholds

Greeningrate

Floorarearatio

Propertymanagementfee（/m2/monthUSD）

above-groundparkingfee（/monthUSD）

undergroundparkingfee（/monthUSD）

lon

lat

8572.41847256686

10955

841

0.295511092769891

1.501731972341126

14.950235373234701

136.40734557595994

111.85534591194968

111.651551

562

20.397599253233132

36.74490157738637

11056.032786885246

13489

529

0.4

3.2

100

111.752476

24.154699073707743

34.98341087334647

7530.531648387904

6842

180

0.295511092769891

1.501731972341126

14.950235373234701

136.40734557595994

111.85534591194968

111.643806068154

1306

20.109281373142366

35.207918632866026

14085.75

16194

0.29551

您可能关注的文档

文档评论（0）

数学建模-赛道做 + 关注: 实名认证

服务提供商

各类数学建模竞赛-文档，及优秀论文分享

咨询作者（0人已咨询）服务中

1亿VIP精品文档

更多 >

决策树回归-city2数学建模竞赛.docxVIP