基于组合算法的打车软件订单数据分析
| 中文摘要 | 第10-11页 |
| ABSTRACT | 第11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究的目的和意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-15页 |
| 1.3.1 城市居民出行方面的研究现状 | 第14页 |
| 1.3.2 数据挖掘方法研究现状 | 第14-15页 |
| 1.4 研究内容和研究思路 | 第15-16页 |
| 1.5 本文的创新点 | 第16-18页 |
| 第二章 相关理论基础 | 第18-26页 |
| 2.1 决策树 | 第18-23页 |
| 2.1.1 决策树算法介绍 | 第18-19页 |
| 2.1.2 决策树的建模过程 | 第19-23页 |
| 2.2 组合算法 | 第23-26页 |
| 2.2.1 Bagging算法 | 第23页 |
| 2.2.2 Boosting算法 | 第23-24页 |
| 2.2.3 随机森林算法 | 第24-26页 |
| 第三章 数据来源及预处理 | 第26-36页 |
| 3.1 数据来源 | 第26-29页 |
| 3.2 数据的清洗及处理 | 第29-35页 |
| 3.2.1 订单数据的处理 | 第29-31页 |
| 3.2.2 拥堵数据的处理 | 第31-32页 |
| 3.2.3 天气信息数据的处理 | 第32-35页 |
| 3.3 交叉验证 | 第35-36页 |
| 第四章 基于组合算法的缺口预测模型 | 第36-44页 |
| 4.1 Bagging算法及预测模型 | 第36-38页 |
| 4.2 Boosting算法及预测模型 | 第38-40页 |
| 4.3 随机森林算法及预测模型 | 第40-42页 |
| 4.4 本章小结 | 第42-44页 |
| 第五章 结论和启示 | 第44-46页 |
| 参考文献 | 第46-48页 |
| 致谢 | 第48-49页 |
| 个人简况及联系方式 | 第49-50页 |
