| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-17页 |
| 1.1 课题来源 | 第8页 |
| 1.2 研究背景及意义 | 第8-9页 |
| 1.3 国内外研究概况 | 第9-11页 |
| 1.4 机器学习回归预测方法的基本概念 | 第11-15页 |
| 1.5 研究内容与论文结构 | 第15-17页 |
| 2 网约出租车需求动态预测问题和影响因素分析 | 第17-23页 |
| 2.1 问题描述 | 第17-19页 |
| 2.2 城市居民使用网约出租车出行的需求影响因素分析 | 第19-21页 |
| 2.3 预测流程与评价指标 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 基于GBRT的网约出租车需求预测方法 | 第23-32页 |
| 3.1 学习目标 | 第23-24页 |
| 3.2 弱决策回归树的构建 | 第24-29页 |
| 3.3 强决策回归树的集成 | 第29-30页 |
| 3.4 本章小结 | 第30-32页 |
| 4 基于XGBOOST框架的GBRT的网约出租车需求预测方法 | 第32-39页 |
| 4.1 学习目标近似的GBRT算法 | 第32-34页 |
| 4.2 XGBOOST框架中弱决策回归树的构建 | 第34-37页 |
| 4.3 XGBOOST框架中强决策回归树集成 | 第37-38页 |
| 4.4 本章小结 | 第38-39页 |
| 5 基于运营数据分析的特征提取和样本集构建 | 第39-52页 |
| 5.1 数据分析 | 第39-41页 |
| 5.2 特征分析与提取 | 第41-49页 |
| 5.3 样本集建立 | 第49-51页 |
| 5.4 本章小结 | 第51-52页 |
| 6 数据实验与结果分析 | 第52-61页 |
| 6.1 数据预处理 | 第52-53页 |
| 6.2 模型训练 | 第53-57页 |
| 6.3 预测结果 | 第57-61页 |
| 7 总结与展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 附录1 攻读学位期间参加的科研项目 | 第69页 |