机器学习算法在汽车基本尺寸、质量数据分析中的应用

• 作者: 于群 张晓辉 郭婷
• 来源期刊: 中国汽车
• 学科: 交通运输
• 关键词: 机器学习 聚类 神经网络 汽车 数据挖掘
• 年，卷（期）: zgqc_2020,（6）
• 页码范围: 59-64
• 页数: 6页
• 分类号: U462

摘要

本文利用上百组多用途乘用车基本尺寸、质量数据研究了机器学习算法在汽车基本尺寸、质量数据分析中的应用。首先,运用KMeans聚类算法对数据样本进行聚类分析,结果说明KMeans聚类算法能够体现各组基本尺寸、质量数据之间的接近程度。然后,搭建了MLP神经网络生产厂商预测模型。模型以及预测结果表明测试集26个样本的厂商预测准确率为92.31%。通过两种算法的应用实例证明,机器学习算法在多用途乘用车基本尺寸、质量数据中的应用能够实现多用途乘用车基本尺寸、质量数据的深度挖掘,分析得到数据中隐含的规律,也可以分析规律所代表的实际意义,体现数据的实际应用价值。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于群		1	0	0.0	0.0
2	郭婷		1	0	0.0	0.0
3	张晓辉		1	0	0.0	0.0