基于改进LightGBM模型的汽车故障预测方法研究

• 作者: 刘钊 朱平 颜诗旋
• 来源期刊: 汽车工程
• 关键词: 机器学习 汽车故障预测 LightGBM模型 类别不平衡
• 年，卷（期）: 2020,（6）
• 页码范围: 815-819,825
• 页数: 6页
• 字数: 4696字
• 语种: 中文
• DOI: 10.19562/j.chinasae.qcgc.2020.06.016

摘要

针对机器学习技术在汽车行业的应用中存在的汽车故障数据规模大和类别不平衡引起的模型训练速度慢、故障查全率低的问题,对LightGBM模型进行两方面的改进:模型训练时,设置类别权重和L1正则化项修正模型的损失函数,并通过贝叶斯优化获得修正项系数的取值;模型预测时,使用阈值移动法降低模型的分类阚值.在斯堪尼亚货车故障数据集上进行验证.结果 表明,本文中所提出的改进LightGBM模型训练速度快,故障查全率高,具备工程应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱平	上海交通大学机械系统与振动国家重点实验室	102	1570	25.0	36.0
3	刘钊	上海交通大学设计学院	20	97	6.0	9.0
6	颜诗旋	上海交通大学机械系统与振动国家重点实验室	1	0	0.0	0.0