基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出一种基于Adaboost方法的随机森林销售量预测方法. 首先对销售量的影响因素进行了特征分析, 确定了训练数据的特征和维度. 然后采用基于Adaboost的随机森林销量预测方法对特征数据进行训练并给出了预测算法的步骤. 最后使用python进行了仿真实验, 实验结果表明, 该方法可以有效提高随机森林的回归性能, 且预测精度高, 具有较强的泛化能力.
推荐文章
基于气象因子的随机森林算法在湘中丘陵区林火预测中的应用
袋外数据
全样本
气象数据
特征变量
交叉验证
森林火灾
基于改进随机森林算法的股票趋势预测
股票趋势预测
技术指标
特征选择
改进的随机森林算法
基于改进的随机森林算法股票收益率预测研究
粒子群
随机森林
股票收益率
特征选择
基于改进随机森林算法的电动汽车充电预测
电动汽车
随机森林
充电负荷
数据分析
负荷预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Adaboost的随机森林算法在医疗销售预测中的应用
来源期刊 计算机系统应用 学科
关键词 Adaboost算法 随机森林 销售量预测 弱预测模型 python
年,卷(期) 2018,(2) 所属期刊栏目 软件技术·算法
研究方向 页码范围 202-206
页数 5页 分类号
字数 4383字 语种 中文
DOI 10.3969/j.issn.1003-3254.2018.02.034
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 熊翱 北京邮电大学网络技术研究院 21 95 6.0 8.0
2 常晓花 北京邮电大学网络技术研究院 1 5 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (103)
共引文献  (205)
参考文献  (8)
节点文献
引证文献  (5)
同被引文献  (11)
二级引证文献  (0)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(6)
  • 参考文献(0)
  • 二级参考文献(6)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(6)
  • 参考文献(1)
  • 二级参考文献(5)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(14)
  • 参考文献(0)
  • 二级参考文献(14)
2012(22)
  • 参考文献(1)
  • 二级参考文献(21)
2013(10)
  • 参考文献(2)
  • 二级参考文献(8)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(4)
  • 参考文献(3)
  • 二级参考文献(1)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
Adaboost算法
随机森林
销售量预测
弱预测模型
python
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机系统应用
月刊
1003-3254
11-2854/TP
大16开
北京中关村南四街4号
82-558
1991
chi
出版文献量(篇)
10349
总下载数(次)
20
总被引数(次)
57078
论文1v1指导