.png){kind=icon}
返回
Enhancing car evaluation classification through machine learning models and metaheuristic optimization algorithms
.png){kind=icon}
PRE
AI
DOI：10.1177/18724981251394128.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究采用不同的机器学习模型结合优化框架进行车辆分类评估。我们使用了不同的模型，即Extra Trees、XGBoost、Gaussian Naive Bayes、K-Nearest Neighbors、Histogram-based Gradient Boosting（Hist Gradient Boosting）和Linear Discriminant Analysis进行分类。车辆样本被分为非常优秀、优秀、可接受和不可接受四个等级。其中，Hist Gradient Boosting在精确度、准确率、召回率和F1分数方面表现最佳。我们进一步使用Evolutionary Strategies、Evolutionary Programming、Covariance Matrix Adaptation Evolution Strategy和Flower Pollination Algorithm对该模型进行了调优。结果表明，Covariance Matrix Adaptation Evolution Strategy和Flower Pollination Algorithm显著提升了模型性能，并优于Evolutionary Programming。本研究探讨了将先进机器学习模型与复杂优化策略相结合的潜力，旨在构建一个高效的车评分类流程，这将有助于该行业，或许还能应用于许多其他分类任务。
Keyword:
Car evaluation classification
machine learning models
optimization frameworks
histogram-based gradient boosting
evolutionary strategies
期刊
I
IF:
0.8
论文数:
72
被引数:
0
机构
引用论文
Comparative analysis of Face Mask Detection models using deep learning techniques.png)
2023 14th International Conference on Computing Communication and Networking Technologies (ICCCNT)
2023 14th International Conference on Computing Communication and Networking Technologies (ICCCNT)IF0
PREAI
分享收藏XGBoostProceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
OAAI
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏
查看更多内容