有效而准确的预测商品混凝土价格变动趋势,对各类建筑的施工规划具有重要意义。相比其他预测模型,随机森林模型具有更高的预测精度。然而不同的数据结构都有其独特之处,针对特定数据结构进行模型优化,有助于提高算法在特定数据上的处理性能。我们针对时间序列分类(TSC:Time Series Classification)的特征提出一种改进随机森林算法。首先将随机森林创建训练子集时的随机抽样调整为倾斜抽样,然后将决策树分裂时的随机特征向量抽样调整为分层抽样,最后以加权投票取代平均投票。实证结果表明相比原始随机森林算法,改进模型具有明显优势,对商品混凝土价格变动的预测准确率达98.4%,预测精度、召回率和F1评分分别为:98.7%,98.2%,98.4%,可以实现了商品混凝土价格变动趋势的精准预测。
暂无评论