不同决策树算法预测区域地块风险管控模式的性能比较

[复制链接]

字体大小: 正常放大

雩风三日

395 主题	3 听众	5001 积分

TA的每日心情

	衰 2021-3-28 15:16

签到天数: 25 天

[LV.4]偶尔看看III

电梯直达

1^#

发表于 2021-5-22 17:56 |只看该作者 |倒序浏览

|招呼Ta 关注Ta

针对传统地块风险管控模式确定存在效率低、成本高、缺乏系统性的缺陷,通过构建区域地块风险管控模式决策的特征数据集,并采用卡方自动交叉检验(Chi-squared Automatic Interaction Detector, CHAID)、穷举卡方自动交叉检验(Exhaustive CHAID, E-CHAID)、分类与回归树(Classification AndRegression Tree, CART)三种决策树(DT),探索不同 DT 算法应用于区域地块风险管控模式预测的可行性.预测结果表明,DT 应用于区域地块风险管控模式预测是可行的.CART-DT 在准确率(ACC)、精度(PRE)、召回率(REC)、F 1 值方面的性能均显著优于 CHAID-DT 和 E-CHAID-DT.CART 的总体优化算法可能更适合区域地块风险管控模式的预测.区域保护目标(RPG)、区域污染物类型(RPT)、区域企业平均生产年限(RAPP)3 项输入变量对 CART-DT输出的重要性非常高；区域年平均风速(RAAWS)、区域地形地貌(RT)、区域土地增值潜力(RLVP)等 11 项输入变量对 CART-DT 输出的重要性较高；区域人口密度(RPD)、区域主导行业风险(RDIS)等 6 项输入变量对 CART-DT 的输出也有一定贡献.