基于随机森林的城市生活便利性评价算法研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 研究内容 | 第10-11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 2 相关理论基础 | 第13-21页 |
| 2.1 宜居城市生活便利性评价 | 第13-15页 |
| 2.1.1 宜居城市生活便利性介绍 | 第13-14页 |
| 2.1.2 宜居城市生活便利性评价标准 | 第14-15页 |
| 2.1.3 POI设施与步行可达性 | 第15页 |
| 2.2 随机森林算法 | 第15-20页 |
| 2.2.1 决策树 | 第15-18页 |
| 2.2.2 Bagging采样 | 第18页 |
| 2.2.3 随机森林算法 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 3 基于随机森林算法的生活便利性评价模型 | 第21-39页 |
| 3.1 生活便利性评价模型设计思路 | 第21-22页 |
| 3.1.1 评价方法来源 | 第21页 |
| 3.1.2 评价特征选取 | 第21-22页 |
| 3.2 模型总体框架 | 第22-24页 |
| 3.3 数据采集 | 第24-28页 |
| 3.3.1 数据采集目标 | 第24页 |
| 3.3.2 采集百度地图POI数据 | 第24-26页 |
| 3.3.3 获取城市生活便利性评分 | 第26-27页 |
| 3.3.4 获取行政区住房均价 | 第27-28页 |
| 3.4 数据预处理 | 第28-30页 |
| 3.4.1 数据集预处理 | 第28页 |
| 3.4.2 数据标签处理 | 第28-30页 |
| 3.5 特征提取 | 第30-33页 |
| 3.6 模型训练及参数优化 | 第33-36页 |
| 3.6.1 模型参数优化 | 第33-34页 |
| 3.6.2 模型训练及算法比较 | 第34-36页 |
| 3.7 模型预测及评估 | 第36-37页 |
| 3.7.1 模型预测 | 第36页 |
| 3.7.2 特征重要性分析 | 第36-37页 |
| 3.8 模型性能评价 | 第37-38页 |
| 3.9 本章小结 | 第38-39页 |
| 4 实验及结果分析 | 第39-52页 |
| 4.1 数据采集及预处理结果 | 第39-45页 |
| 4.1.1 数据采集结果 | 第39-42页 |
| 4.1.2 数据预处理结果 | 第42-44页 |
| 4.1.3 特征提取结果 | 第44-45页 |
| 4.2 基于随机森林算法生活便利性模型训练 | 第45-48页 |
| 4.2.1 模型参数调优 | 第45-47页 |
| 4.2.2 随机森林模型训练及对比分析 | 第47-48页 |
| 4.3 生活便利性评价算法预测及结果分析 | 第48-51页 |
| 4.3.1 预测行政区生活便利性 | 第48-51页 |
| 4.3.2 特征的重要性分析 | 第51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 总结与展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |
