“xgboost”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1478个，建议您升级VIP下载更多相关专利

[发明专利]基于改进XGBoost的泛癌症基因通路预测方法、系统和存储介质-CN202010041366.9在审
发明人：阿丽玛;刘朝锐;张玉;周维 -专利权人：云南大学
申请日： 2020-01-15 - 公布日： 2020-06-05 - 主分类号： G16B20/20 文献下载
摘要：本发明公开了一种基于改进XGBoost的泛癌症基因通路预测方法、系统和存储介质，该方法利用训练数据集对改进XGBoost模型进行训练，至模型收敛；其中，改进的XGBoost模型为在XGBoost模型基础上本发明以树形结构XGBoost为基础，通过分裂节点选取的方式，解决了生物数据连续值中异常值的问题，同时解决因数据预处理带来的数据分类边界偏移的问题；支持交叉验证，可通过提前停止来获得最优的训练效果。创新的改进XGBoost，增加阈值控制，解决因类别数据样本不平衡带来的权重偏移问题，提升预测的AUROC和AUPR值，使分类效果达到更优。
基于改进 xgboost 癌症基因通路预测方法系统存储介质

[发明专利]一种基于RF-XGBOOST的业务故障预测方法及装置-CN202111403175.3在审
发明人：郭兆旭 -专利权人：中盈优创资讯科技有限公司
申请日： 2021-11-24 - 公布日： 2022-03-18 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开一种基于RF‑XGBOOST的业务故障预测方法及装置，其中，该方法包括：建业务监控指标，对采集的指标数据进行预处理形成样本；将样本数据分为训练集和测试集，基于训练集分别构建RF模型和XGBOOST模型，并通过权重线性组合两种模型构建RF‑XGBOOST模型；基于测试集对RF‑XGBOOST模型进行评价；利用RF‑XGBOOST模型对业务进行实时监控，对预测故障的结果进行告警，并进行告警处置；对预测错误的结果通过人工研判进行校正并记录该方法及装置通过构建RF‑XGBOOST模型的不断训练，将机器学习与专家经验优势互补，进行故障预判和预处理。
一种基于 rf xgboost 业务故障预测方法装置

[发明专利]一种新的基于布谷鸟搜索算法的XGBoost训练方法-CN202210236632.2在审
发明人：胡雪梅;徐蔚鸿 -专利权人：长沙理工大学
申请日： 2022-03-11 - 公布日： 2022-06-10 - 主分类号： G06N20/20 文献下载
摘要：本发明涉及机器学习领域，尤其涉及一种新的基于布谷鸟搜索的XGBoost训练方法，本发明详细提出了一种新的极梯度提升模型(XGBoost)训练方法，并首次使用布谷鸟搜索算法(CS)同时调整了其九个参数。基于CS的XGBoost，在通过所提出的方法训练的XGBoost之后，应用于一个真实世界企业人事管理领域职员信息数据集的是否离职预测。此外，基于CS的XGBoost与现有的XGBoosts进行了比较，这些XGBoosts由其他优化算法训练，包括GA、PSO等，另外还有GBDT、RF、SVM和KNN四个分类器。实验结果和相应讨论表明，基于MFO的XGBoost在准确率、准确率、召回率等主要性能指标上均优于上述比较模型。
一种基于布谷鸟搜索算法 xgboost 训练方法

[发明专利]一种基于改进型XGBoost类方法的数据分析方法、定价方法以及相关设备-CN202110928092.X在审
发明人：杨光 -专利权人：杨光
申请日： 2021-08-14 - 公布日： 2023-01-13 - 主分类号： G06Q40/08 文献下载
摘要：本发明公开了一种基于改进型XGBoost类方法的数据分析方法、定价方法以及相关设备；本方案采用改进型XGBoost类算法，所述改进型XGBoost类方法对目标函数的二阶泰勒展开做修正，修改了其hi项，使得改进后的XGBoost类方法的适用性不局限于凸损失函数。本方案有效克服现有技术方案中的各种缺陷，同时还保留了现有方案的各种优点，使得XGBoost类方法的精准预测性能与传统统计方法，特别是传统非寿险定价技术结合成为可能。此外，在该改进型XGBoost类方法的基础上，进一步提出多元正则化提升树方法，可广泛应用于各种领域。
一种基于改进型 xgboost 方法数据分析定价以及相关设备

[发明专利]模型解释方法、装置、电子设备和存储介质-CN202211379098.7在审
发明人：白一哲 -专利权人：中国移动通信有限公司研究院;中国移动通信集团有限公司
申请日： 2022-11-04 - 公布日： 2023-10-20 - 主分类号： G06N20/00 文献下载
摘要：本实施例公开了一种模型解释方法、装置、电子设备和计算机存储介质，该方法包括：对XGBoost模型进行树模型元结构解析，得出XGBoost模型的树结构；将多个样本数据中的每个样本数据输入所述XGBoost得出所述每个样本数据的模型评测指标，并根据所述树结构获取所述每个样本数据对应的有效叶子节点以及所述树结构中所述有效叶子节点对应的有效路径；根据所述每个样本数据的模型评测指标、以及所述有效路径，在所述多个样本数据中确定出与所述XGBoost模型的决策规则相关的目标样本数据；根据所述目标样本数据对应的有效路径，确定所述XGBoost模型的决策规则，所述决策规则用于解释所述XGBoost模型。
模型解释方法装置电子设备存储介质

[发明专利]一种基于Xgboost框架的医院门诊就诊量预测方法-CN201810602381.9有效
发明人：王建新;肖湘佳慧;李丽萍;安莹 -专利权人：中南大学
申请日： 2018-06-12 - 公布日： 2020-11-10 - 主分类号： G16H40/20 文献下载
摘要：本发明公开了一种基于Xgboost框架的医院门诊就诊量预测方法，包括：获取历史数据，并基于历史数据构建每类门诊的门诊数据集；利用每类门诊的门诊数据集构建每类门诊的Stacking‑Xgboost的预测模型；Stacking‑Xgboost的预测模型包括N2个的Xgboost基学习器；获取预测日内每个关联特征的量值，并输入至待测门诊类型的Stacking‑Xgboost的预测模型中得到在预测日对应待测门诊的就诊量预测值，预测日的就诊量预测值等于所有Xgboost基学习器的预测值的平均值或加权平均计算结果。
一种基于 xgboost 框架医院门诊就诊预测方法

[发明专利]基于GA-PSO优化XGBoost的水文时间序列预测方法-CN202110049321.0有效
发明人：马露;万定生;余宇峰;杨志勇 -专利权人：河海大学
申请日： 2021-01-14 - 公布日： 2022-07-12 - 主分类号： G06N3/00 文献下载
摘要：本发明公开一种基于GA‑PSO优化XGBoost的水文时间序列预测方法，采集对应水文站的雨量值及对应水文站的流量，组织成水文时间序列数据集；对数据进行预处理，将样本数据集划分为训练集和测试集；采用改进的GA‑PSO组合优化算法对XGBoost的学习率lr、基学习器个数n_estimators、最小叶子权重min_weights、最大树深max_depth等各项超参进行优化，同时利用样本数据集对XGBoost模型进行训练，最终得到GA‑PSO优化的XGBoost水文时间序列预测模型；对所述GA‑PSO优化的XGBoost水文预测模型进行测试。本发明采用GA‑PSO对XGBoost模型的参数进行优化，利用最优参数得到的模型进行水文预测，准确度更高。
基于 ga pso 优化 xgboost 水文时间序列预测方法

[发明专利]出清电价预测方法、装置、计算机设备和存储介质-CN202111564491.9有效
发明人：戴碧艳;李璟涛 -专利权人：国家电投集团电站运营技术（北京）有限公司;国家电投集团科学技术研究院有限公司
申请日： 2021-12-20 - 公布日： 2023-05-05 - 主分类号： G06Q30/0283 文献下载
摘要：：对训练日各样本点对应的影响因素进行特征工程，得到训练日各样本点对应的输入特征；根据电价对训练日各样本点进行分类标签化处理，以确定训练日各样本点对应的分类标签；将训练日各样本点对应的输入特征输入到初始XGBOOST分类模型中进行求解训练，得到XGBOOST分类模型；将分类标签为回归标签的样本点对应的输入特征输入初始XGBOOST回归模型中进行求解训练，得到XGBOOST回归模型；利用XGBOOST分类模型和XGBOOST
出清电价预测方法装置计算机设备存储介质

[发明专利]车贷申请欺诈识别的方法和设备-CN202111222187.6有效
发明人：李志立;曹家楷;赵轩;张胜庆 -专利权人：长安汽车金融有限公司
申请日： 2021-10-20 - 公布日： 2023-09-01 - 主分类号： G06Q40/03 文献下载
摘要：本发明提出一种车贷申请欺诈识别的方法和设备，基于xgboost模型进行机器学习，并提出xgboost模型的调参方法，进行欺诈识别时首先获取多笔车贷申请业务对应的数据，从数据中提取特征变量和欺诈标记构建为样本集；然后利用样本集对xgboost模型的超参数进行调参确定每个超参数的最优值，训练和测试经过调参的xgboost模型；最后对待识别的车贷申请业务的对应数据进行数据清理和提取特征变量，将其转换为xgboost模型的合格输入，输入到训练好的xgboost模型即可获得欺诈预测结果。
申请欺诈识别方法设备

[发明专利]一种基于XGBoost算法的区块链产品检测方法、系统及装置-CN202010339755.X在审
发明人：黄步添;刘振广;焦颖颖;周伟华;陈建海 -专利权人：杭州云象网络技术有限公司
申请日： 2020-04-26 - 公布日： 2020-08-28 - 主分类号： G06Q30/00 文献下载
摘要：本发明公开了一种基于XGBoost算法的区块链产品检测方法、系统及装置。首先爬取区块链产品特征属性数据，并对所述区块链产品贴标签，作为XGBoost区块链检测模型的训练样本集；其次根据所述区块链产品相关特征属性数据预处理训练样本集；然后训练区块链产品检测的XGBoost模型树；最后输入需要检测的区块链产品的特征属性，测试XGBoost模型。本发明的基于XGBoost算法的区块链产品检测方法可以实现高效、准确地判别区块链产品是否为欺诈产品的功能。
一种基于 xgboost 算法区块产品检测方法系统装置

[发明专利]一种基于XGBoost机器学习算法的Android恶意软件检测方法-CN201811150736.1有效
发明人：王雪敬;凌捷;孙玉;孙宇平 -专利权人：广东工业大学
申请日： 2018-09-29 - 公布日： 2023-04-11 - 主分类号： G06F21/56 文献下载
摘要：本发明涉及一种基于XGBoost机器学习算法的Android恶意软件检测方法，首先通过反编译apk文件提取Permission，Intent，Component和API call特征，并量化组成特征矩阵，利用蚁群算法的并行性和较强的鲁棒性，对XGBoost分类器参数进行寻优，以求得最优目标并得到XGBoost的最优参数组合。该发明提出的改进的XGBoost机器学习算法与传统的XGBoost算法相比，在Android恶意软件检测时具有更高的分类精度,提高了恶意软件检测的正确率,降低了由于检测错误而导致Android系统遭受攻击的概率
一种基于 xgboost 机器学习算法 android 恶意软件检测方法

[发明专利]一种智能参数优化模块的XGBoost预测方法-CN201911383178.8在审
发明人：陈金香;赵峰;尹一岚 -专利权人：冶金自动化研究设计院
申请日： 2019-12-27 - 公布日： 2020-06-05 - 主分类号： G06N3/12 文献下载
摘要：一种智能参数优化模块的XGBoost预测方法，属于模型参数优化与机器学习预测技术领域。选择XGBoost模型使用的参数组，构建基于遗传方法的XGBoost模型参数组优化模块，选择数据样本集，并将此数据样本集中90％的样本作为训练集，采用上述样本集，学习、训练和验证所提出的具有遗传优化参数模块的XGBoost预测模型，结果对比。优点在于，解决了大样本的数据集的预测模型无法找到合适的参数组的难题，较之基于经验调整参数的XGBoost模型，能够获得更好的预测结果。针对肝脏疾病数据集的分类预测结果表明了本方法的有效性。
一种智能参数优化模块 xgboost 预测方法

[发明专利]基于XGBoost回归算法的水稻叶片淀粉含量遥感反演模型和方法-CN202011356084.4在审
发明人：汪伟;钟平;邵文琦;朱元励;吴莹莹;姜晓剑;陈青春;任海芳;李卓 -专利权人：淮阴师范学院
申请日： 2020-11-26 - 公布日： 2021-04-09 - 主分类号： G06F30/27 文献下载
摘要：本发明提供一种基于XGBoost回归算法的水稻叶片淀粉含量遥感反演模型，为Python语言的XGBoost回归模型，并进一步提供了该XGBoost回归模型的模型参数。还提供了基于XGBoost回归算法的水稻叶片淀粉含量遥感反演方法。本发明的基于XGBoost回归算法的水稻叶片淀粉含量遥感反演模型能够快速、准确的获取水稻叶片淀粉含量信息，克服水稻组分复杂带来的光谱叠加效应造成的水稻叶片淀粉含量特征波段难以确定的困难，大大提高水稻叶片淀粉含量反演模型精度
基于 xgboost 回归算法水稻叶片淀粉含量遥感反演模型方法

[发明专利]基于XGBoost和FocalLoss结合的电缆老化状态评估方法-CN202310293125.7在审
发明人：蔺超群;陈斌;马拥军;佘维;田钊;李晗洢;王欣;张人中;周泓源;赵勇峰;万卫华;吴俊;曹冬;李丹;董理事 -专利权人：国网河南省电力公司许昌供电公司
申请日： 2023-03-23 - 公布日： 2023-08-08 - 主分类号： G06F30/27 文献下载
摘要：本发明属于电力电缆老化状态评估技术领域，本发明公开了一种基于自定义损失函数XGBoost和FocalLoss结合的电缆老化状态评估方法，包括如下步骤：步骤(1)，电缆运行特征相关参数的数据预处理；步骤(2)，采用XGBoost方法进行电缆状态评价；步骤(3)，采用FocalLoss作为XGBoost的自定义损失函数；本发明可以把FocalLoss函数作为XGBoost的损失函数，求其一阶导数和二阶导数带入XGBoost的泰勒公式展开中求得最小损失函数，从而对电缆正确分类，可以用来解决电缆实际类型间的不均衡问题，可以提高电缆类别判断的精度，降低过拟合和误判。
基于 xgboost focalloss 结合电缆老化状态评估方法

[发明专利]一种基于Xgboost算法的交通量预测方法-CN201910756049.2有效
发明人：温惠英;张东冉 -专利权人：华南理工大学
申请日： 2019-08-16 - 公布日： 2021-10-26 - 主分类号： G08G1/01 文献下载
摘要：本发明公开了一种基于Xgboost算法的交通量预测方法，包括如下步骤：步骤S1：采集交通量数据，进行数据归一化，划分为训练数据和测试数据；步骤S2：基于Xgboost算法，对训练数据进行模型训练，确定模型参数；步骤S3：输入Xgboost模型参数、测试数据，进行交通流的预测；步骤S4：对Xgboost模型预测结果进行误差评估，还原预测数据进行输出。本发明的Xgboost模型在预测精度提升的同时，预测时间大幅减少，在高速公路交通量的预测中具有更好的预测性能和泛化能力。
一种基于 xgboost 算法交通量预测方法