“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]一种基于XGBoost的管道防腐层裂纹损伤长度识别方法-CN202210728040.2在审
发明人：吕瑞宏;赵艺伟;杨恒;王春云 -专利权人：沈阳工业大学
申请日： 2022-06-23 - 公布日： 2022-10-21 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种基于XGBoost的管道防腐层裂纹损伤长度识别方法，通过孤立森林算法剔除异常值后，得到的新的裂纹损伤数据集X存在缺失数据，采用缺失森林算法进行数据补全，得到裂纹损伤数据集。KPCA能够优化裂纹损伤数据，提取主要损伤特征向量，得到清晰的5阶裂纹损伤固有频率值作为裂纹损伤长度预测的特征向量，使得通过XGBoost算法进行裂纹损伤长度预测更加进准，XGBoost算法的误差最小，决定系数最大，在裂纹损伤长度判定中，XGBoost算法的效果最好，泛化能力最强。
一种基于 xgboost 管道防腐裂纹损伤长度识别方法

[发明专利]基于隐私计算的纵向联邦XGBoost特征衍生方法及相关设备-CN202310105019.1在审
发明人：崔琢;周一竞;黄翠婷 -专利权人：杭州博盾习言科技有限公司
申请日： 2023-01-19 - 公布日： 2023-05-30 - 主分类号： G06F21/62 文献下载
摘要：本公开提供了一种基于隐私计算的纵向联邦XGBoost特征衍生方法、装置、电子设备及计算机可读存储介质，涉及计算机技术领域。该方法包括：获取基于隐私计算的联邦学习方法训练得到的XGBoost模型；基于XGBoost模型对待输入至逻辑回归LR模型的目标特征数据进行衍生，得到目标特征数据的衍生特征数据。本公开利用XGBoost模型生成逻辑回归LR模型的衍生特征数据，能够快速为LR模型生成大量新的衍生特征数据，提高了特征衍生的效率，降低了计算复杂度。
基于隐私计算纵向联邦 xgboost 特征衍生方法相关设备

[发明专利]一种解决计数问题的方法和定价方法及相关设备-CN202110927678.4在审
发明人：杨光 -专利权人：杨光
申请日： 2021-08-14 - 公布日： 2023-01-24 - 主分类号： G06N20/20 文献下载
摘要：对于运用XGBoost类方法或改进型XGBoost方法或多元正则化提升树方法解决计数问题，对不同样本间暴露数不完全相同时做了相关处理，使得处理样本间暴露数不完全相同时，XGBoost类方法或改进型XGBoost
一种解决计数问题方法定价相关设备

[发明专利]一种多模型融合方法-CN201910158447.4在审
发明人：冯诗炀;程序;段银春;刘洪江;赵小诣 -专利权人：成都新希望金融信息有限公司
申请日： 2019-03-01 - 公布日： 2019-06-28 - 主分类号： G06K9/62 文献下载
摘要：本发明获取包含用户特征的数据集，并进行处理；基于XGBoost算法和两个不同的Y值交叉区间设置，选择不同的衍生方法对处理后的数据集中的特征进行衍生，并将数据集特征与所有衍生后的特征作为新的数据集输入两个XGBoost模型进行训练和调优，调优后的两个XGBoost模型输出各训练集样本在每颗树的叶子节点编号；根据叶子节点编号集训练One‑hot编码，将每个XGBoost模型输出的叶子节点编号通过训练好的One‑hot编码转换，得到各训练集样本对应的所有LR特征，再基于所有训练集样本对应的LR特征，训练调优LR模型；得到XGBoost+LR融合模型。
训练集样本叶子节点数据集模型融合机器学习技术输出编码转换传统模型数据集中用户特征分类迭代算法维度融合

[发明专利]基于XGBoost算法的月度负荷预测方法-CN201811612619.2在审
发明人：钱仲文;黄建平;张旭东;王政;夏洪涛;张建松;陈浩;杨少杰;成敬周;沈思琪;王澍;郑卓凡;李晓宇;纪德良;石惠承 -专利权人：国网浙江省电力有限公司;国网浙江省电力公司杭州供电公司;浙江华云信息科技有限公司
申请日： 2018-12-27 - 公布日： 2019-06-07 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了基于XGBoost算法的月度负荷预测方法，包括对负荷指标进行转换，对影响负荷因素指标数据进行热编码处理；以用户每月最大负荷数据作为模型的输出，选择与月最大负荷关联性较强的影响因素变量作为输入变量；将选入模型的影响负荷预测因素变量转化为稀疏矩阵，形成XGboost建模数据；将月最大负荷定义为XGboost模型输出；定义模型学习目标函数、回归树生成参数等构造负荷预测的XGboost模型；对XGboost
负荷预测最大负荷参数组合影响负荷算法定义模型负荷指标建模数据交叉验证模型结果企业优化生成参数输入变量稀疏矩阵相对误差学习目标因素变量因素指标影响因素用电成本用电方式输出关联性经验证热编码预测测试转换回归转化帮助

[发明专利]基于XGBoost算法的电流突变原因判别方法-CN201910451994.1在审
发明人：茹惠东;商钰;王征;张永建;任佳;金路;谢颖;袁卓妮;倪宇飞;陈绪辉;袁优;张警;王雪颖;劳凯峰;吕胜;温朝阳;潘利江;杨百鑫;陶琪;王志强 -专利权人：国网浙江省电力有限公司绍兴供电公司;国网浙江省电力有限公司
申请日： 2019-05-28 - 公布日： 2019-09-17 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了一种基于XGBoost算法的电流突变原因判别方法，包括如下步骤：步骤(1)采集各间隔各种运行方式之下的历史数据，形成和电流突变有关的原始数据；步骤(2)从原始数据中提取特征，并确定突变标签，利用D5000电力调度监控平台电流负荷数据确定是否发生电流突变，对于各类运行方式，提取出各类电气量特征，作为后续XGBoost算法的特征输入；步骤(3)采用XGBoost算法，利用获取的样本数据进行模型训练；步骤(4)XGBoost模型训练成熟之后，根据D5000电力调度监控平台记录下的电网实时运行信息，构成能够反映电网电流突变的电气量特征，输入XGBoost模型，即可实时判别电力系统某些可能的故障所带来的电流突变
电流突变算法电力调度监控平台模型训练原始数据运行方式电气量突变实时运行信息电力系统电流负荷电网电流故障提供故障位置快速判断历史数据数据确定特征输入提取特征样本数据辨别检修标签采集电网记录成熟

[发明专利]一种二手车的定价方法，装置及系统-CN201810184731.4在审
发明人：石玉明;韦仕伟;庞敏辉;邱慧 -专利权人：优估（上海）信息科技有限公司
申请日： 2018-03-06 - 公布日： 2019-09-13 - 主分类号： G06Q30/02 文献下载
摘要：本申请实施例示出的方法，分别根据二手车的历史数据构建线性，以及XGBoost模型，然后分别用上述模型分别计算出目标二手车的价格，分别得到线性价格，以及XGBoost价格，最终融合上述融合所述线性价格，以及，所述XGBoost价格，计算出目标二手车的价格。本申请实施例示出的方法在对二手车定价的过程中引入，线性模型，即使对于一些数交易样本稀疏的车型而言，也可达到准确的定价，同时本申请引入Xgboost模型，Xgboost模型可以捕获车型配置、品牌和地域等更多的影响价格的因素
定价装置及系统申请车型配置结果偏差历史数据线性模型融合引入构建品牌稀疏捕获样本车型地域预测交易

[发明专利]一种基于属性约简和XGBoost的COVID-19检测假阴性识别方法-CN202010451499.3在审
发明人：杨杰;王东;张显;杨泮;刘福禄;庞正刚;胡昌荣 -专利权人：重庆工贸职业技术学院
申请日： 2020-05-25 - 公布日： 2020-10-27 - 主分类号： G16H50/30 文献下载
摘要：本发明公开了一种基于属性约简和XGBoost的COVID‑19检测假阴性识别方法，包括如下步骤：S1、获取COVID‑19病例样本数据并进行预处理及数据增强；S2、属性约简，降低数据维度，并将样本数据划分为训练集和测试集；S3、使用XGBoost提升树可扩展系统对COVID‑19检测核心指标进行重要度筛选；S4、利用训练集中的数据对XGboost算法评估模型进行训练，建立评估模型；S5、利用评估模型对病例数据进行预测。本发明基于属性约简和XGBoost的COVID‑19检测假阴性识别方法，应用机器学习模型的COVID‑19病例数据预处理及其检测核酸假阴性识别方法，可以直接处理小样本和不平衡COVID‑19病例数据，通过MDGO优化XGBoost模型参数，提升检测诊断识别准确率，快速形成诊断报告、确定诊断结果。
一种基于属性 xgboost covid 19 检测阴性识别方法

[发明专利]一种基于Xgboost的轧机多目标振动预测方法-CN202011623091.6在审
发明人：张阳;林然锰;胡一剑;马兴旺 -专利权人：太原科技大学
申请日： 2020-12-30 - 公布日： 2021-04-16 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于Xgboost的轧机多目标振动预测方法。主要是解决现有的振动预测方法存在的作用预测范围窄和无法实现多目标振动预测的技术问题。将从轧机现场实测到的工艺参数和振动数据进行拼接，组成完整的数据集；步骤2：对标准化后的数据进行聚类、降维处理，选取数据特征；步骤3：将选取的数据特征进行训练集、测试集划分，70％为训练集，30％为测试集；步骤4：设置Xgboost模型及参数，设置精度要求；步骤5：将训练集数据导入Xgboost模型进行训练，查看预测精度；步骤6：将测试集数据导入满足精度要求的Xgboost模型，得出预测值，调用Xgboost模型Score接口查看预测准确率
一种基于 xgboost 轧机多目标振动预测方法

[发明专利]一种基于XGBoost和Datawig机器学习的RBCC健康管理方法-CN202111251784.1在审
发明人：万安平;王文晖;王博;景婷婷;孙星;叶洋涵;刘璨贤 -专利权人：浙大城市学院
申请日： 2021-10-25 - 公布日： 2022-01-18 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及一种基于XGBoost和Datawig机器学习的RBCC健康管理方法，包括步骤：根据概率分布获取RBCC健康状态数据，得到数据集；数据预处理；设定XGBoost模型超参数，采用Python语言搭建XGBoost模型；采用搭建好的XGBoost模型分别对进口静压和进口温度进行XGBoost建树。
一种基于 xgboost datawig 机器学习 rbcc 健康管理方法

[发明专利]一种基于LSTM-XGboost组合的防冰技改项目投资预测方法及装置-CN202111507594.1在审
发明人：王愈轩;章思远;黄永章 -专利权人：华北电力大学
申请日： 2021-12-10 - 公布日： 2022-03-15 - 主分类号： G06Q10/04 文献下载
摘要：本发明适用于输电线路防冰技改投资预测领域，提供了一种基于LSTM‑XGboost组合的防冰技改项目投资预测方法及装置，其中上述方法包括：获取防冰技改项目历史数据；根据收集的历史数据信息，采用MIC(最大信息系数)方法分析历史数据之间的相关性；对数据进行归一化预处理，并将其按比例划分训练集和测试集；构建LSTM和XGboost预测模型，并对模型进行超参数设置；将训练集数据代入LSTM和XGboost模型进行训练学习；将测试集数据代入训练好的LSTM和XGboost模型进行预测，得到LSTM和XGboost预测结果；根据预测结果，采用数学误差倒数法构建组合预测模型，并输出组合预测值；根据组合模型预测值，计算预测值的平均绝对百分误差
一种基于 lstm xgboost 组合技改项目投资预测方法装置

[发明专利]一种基于显著性P值和XGBoost的浮选回收率预测方法-CN202210808446.1在审
发明人：刘卫平;刘卫星;孙伟;胡岳华 -专利权人：中南大学
申请日： 2022-07-11 - 公布日： 2022-12-30 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种基于显著性P值和XGBoost的浮选回收率预测方法，属于选矿技术领域。本发明首次提出通过显著性P值和XGBoost的融合，并用其来预测浮选回收率。本发明实现了对矿山数据的有效筛选并选取相关性最好的变量进行XGBoost建模，通过MAPE值自动选取最佳的XGBoost模型。本发明利用矿山数据，先进行显著性P值的运算和获取，通过显著性P值的判定，获得有效自变量，然后对有效自变量进行分组，并输入XGBoost中进行运算，最后以MAPE值最小化的判据；获得最佳浮选回收率预测模型
一种基于显著 xgboost 浮选回收率预测方法

[发明专利]XGBoost模型的训练方法、控制装置及可读存储介质-CN202310486893.4在审
发明人：鲁鑫 -专利权人：北京宏瓴科技发展有限公司
申请日： 2023-04-28 - 公布日： 2023-07-28 - 主分类号： G06N20/00 文献下载
摘要：本发明涉及机器学习技术领域，具体提供一种XGBoost模型的训练方法、控制装置及可读存储介质，旨在解决如何对特征进行更好的选择，以提升模型的性能和准确性的问题。为此目的，本发明基于原始数据集中的多个第一特征，获取与第一特征对应的多个第二特征，应用第一特征和第二特征对XGBoost模型进行第一训练，并根据第一训练的训练结果，获取第一特征和第二特征的特征贡献值，并基于特征贡献值对第一特征进行筛选，应用筛选后的第一特征，对XGBoost模型进行第二训练，从而获得训练好的XGBoost模型，能够实现对原始数据集中的第一特征进行有效选择，有效提升XGBoost模型的性能和准确性，且能够适应于各种不同数据分布的数据集以及模型的训练
xgboost 模型训练方法控制装置可读存储介质

[发明专利]一种基于XGBoost模型的森林火灾风险预测算法-CN202310566771.6在审
发明人：李杰;冯建元;宋振林;庞立新 -专利权人：亚太卫星宽带通信（深圳）有限公司
申请日： 2023-05-18 - 公布日： 2023-08-18 - 主分类号： G06F18/243 文献下载
摘要：本发明提供了一种基于XGBoost模型的森林火灾风险预测算法，涉及森林火灾预警技术领域；该算法包括算法模型建立的步骤和基于XGBoost的核心算法步骤；所述算法模型建立的步骤包括：S101、XGBoost在目标函数中显示的加上了正则化项；S102、使用Loss Function对f(x)的一阶导数计算出伪残差用于学习生成fm(x)；所述基于XGBoost的核心算法步骤包括：S201、通过不断地向XGBoost中添加决策树，以拟合上一次预测的残差；S202、当训练完成得到k棵决策树，预测一个样本的分数；S203、将每棵决策树对应的分数相加得到该样本的预测值；本发明的有益效果是
一种基于 xgboost 模型森林火灾风险预测算法

[发明专利]一种基于特征优化的路面性能衰变预测方法及装置-CN202310225278.8在审
发明人：肖伟;王长柏;刘晨旭;吴剑杨;高蒙成 -专利权人：安徽理工大学
申请日： 2023-03-10 - 公布日： 2023-08-18 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供一种基于特征优化的路面性能衰变预测方法，包括：建立路段样本数据库；创建ExtremeGradientBoosting(XGBoost)模型；将路段样本输入XGBoost，经超参数优化，得出五折交叉验证评分及各特征的重要性分数；将各特征重要性分数进行排序并剔除得分最低的特征；将新的特征集再次输入到XGBoost中并重复之前的步骤直至特征数降为一；对历次的交叉验证分数进行排序，最高评分对应的特征即为对路面性能衰变影响最为显著的特征；基于优化后的特征开发XGBoost预测模型并验证模型精度。本发明采用优化的递归特征消除法分析确定影响路面性能衰变的关键影响因素，在进一步提高XGBoost路面性能预测模型效果的同时提高了该预测模型的泛化性。该预测方法对路面养护决策的制定具有较大意义。
一种基于特征优化路面性能衰变预测方法装置