地球化学异常识别的两种机器学习算法之比较

• 作者: 李湜先 赵庆英 邱士龙 郑泽宇
• 来源期刊: 世界地质
• 学科: 地球科学
• 关键词: 一类支持向量机 孤独森林 地球化学异常 ROC曲线
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 计算机
• 页码范围: 1288-1294
• 页数: 7页
• 分类号: TP39|P595
• 字数: 4391字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-5589.2018.04.030

摘要

在Sklearn的Python语言代码基础上, 开发了基于孤独森林和一类支持向量机的多元地球化学异常识别方法程序.选择吉林省和龙地区为实验区, 从1∶5万水系沉积物资料中提取地球化学异常.把实验区已知矿点的空间分布位置作为"地真"数据, 绘制两种机器学习算法的ROC曲线并计算AUC值, 用来对比两种方法的多元地球化学异常识别效果.研究结果表明:两种机器学习算法都能够有效识别多元地球化学异常, 所提取的多元地球化学异常与已知矿点具有显著的空间关联性;孤独森林算法在数据处理耗时和多元地球化学异常识别效果方面略优于一类支持向量机.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵庆英	吉林大学地球科学学院	34	330	10.0	17.0
2	李湜先	吉林大学地球科学学院	4	1	1.0	1.0
3	邱士龙	吉林大学地球科学学院	5	3	1.0	1.0
4	郑泽宇	吉林大学地球科学学院	4	1	1.0	1.0