3种典型机器学习方法在灾害敏感性评估中的对比

• 作者: 刘凯 张雪蕾 曹寅雪 汪明 洪超裕
• 来源期刊: 中国安全生产科学技术
• 学科: 工学
• 关键词: 机器学习 敏感性评估 K近邻 朴素贝叶斯 随机森林
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 职业安全卫生管理与技术
• 页码范围: 79-85
• 页数: 7页
• 分类号: X913.4
• 字数: 5557字
• 语种: 中文
• DOI: 10.11731/j.issn.1673-193x.2018.07.012

摘要

为了比较不同机器学习方法在灾害敏感性评估中的适用性,将K近邻、朴素贝叶斯和随机森林3种典型机器学习方法运用到灾害敏感性评估中,比较3种方法在预测准确率、混淆矩阵和敏感性图上的异同;并基于深圳市电动自行车出险数据以及孕灾环境数据,运用3种方法评估深圳市电动自行车出险的敏感性,进而绘制敏感性图,探讨3种方法对于不同性质数据的适用条件,为开展灾害敏感性评估工作时选取更为适宜的方法,提供参考建议.