基于权重的SVM预测模型的设计与实现

• 作者: 李开阳
• 来源期刊: 电子制作
• 关键词: 菜系预测 支持向量机 TF—IDF特征向量分类 Python 循环语句
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 软件开发
• 页码范围: 31-34
• 页数: 4页
• 字数: 3255字
• 语种: 中文

摘要

当今社会,世界菜系多种多样,人们对食材的品质以及菜品味道的要求越来越高,菜品的美味与否时时刻刻影响着人们的生产和生活.问题:目前人们虽然接触到了许许多多的菜品,但是对其中的成分和分属菜系并不是真正了解.对菜系有意的各餐饮企业由于找不到菜系大数据分析,在进行菜系推荐时有了一定难度.利用数据挖掘技术分析存放在数据库中大量的菜谱信息并以此预测世界各地的菜品及其分属的菜系.利用以支持向量机(SVM)为主,以Python为辅的有效方法,并基于TF-IDF加权技术进行数据分析,从多方面构建数据挖掘模型.效果:使用以TF-IDF加权技术为基础进行的支持向量机,研究菜系成分,预测菜系并构建模型;应用TF-IDF数据进行加权,使其预测更加符合实际;基于SVM支持向量机的图像,对超平面进行不断调整,使模型的均方误差减小,使数据更加准确;还利用Python中的循环语句分析菜品中出现最多的成分并使结果可视化.由此得到了一个较为准确的菜系预测模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李开阳		1	0	0.0	0.0