Feb, 2024

最佳房价预测算法：XGBoost

PDF
TL;DR房屋价格的准确预测是包括房地产和抵押贷款在内各个行业的基本要求。本研究通过运用各种机器学习技术来解决房价预测问题，并使用爱荷华州艾姆斯市的房屋数据集比较了支持向量回归器、随机森林回归器、XGBoost、多层感知器和多元线性回归算法。最终确定了影响房屋成本的关键因素，并得出结果表明 XGBoost 是最佳的房价预测模型。
house pricespredictionreal estatemachine learning techniqueskey factors
发现论文，激发创造
  • 利用外生变量和机器学习算法进行短期股票价格预测

    追溯 2020 年 3 月至 2022 年 5 月的短期内，该研究比较了四种机器学习模型在预测纽约证券交易所三支知名股票的准确性，并发现 XGBoost 模型虽然运行时间较长（最多 10 秒），但提供了最高的准确性。

    May, 2023

  • 新的回归算法的表现评估和比较

    比较新提出的回归算法与传统机器学习算法（决策树、随机森林、KNN 和 XG Boost）的性能，使用平均绝对误差作为性能度量标准在各种数据集上进行深入比较，展示了新的算法具有的潜力和鲁棒性。

    Jun, 2023

  • 医疗保险可解释成本预测的机器学习

    本文研究了在医疗保健领域中应用预测建模以提高保险公司生产力和效率的潜力，通过使用三种基于回归的集成机器学习模型（Extreme Gradient Boosting、梯度提升机和随机森林）对医疗保险费用进行预测，并采用可解释的人工智能方法来发现和解释影响医疗保险费用的关键因素。研究结果表明这些模型在预测上取得了可观的成果，其中 XGBoost 模型表现最佳，但计算资源消耗更高，而 RF 模型则在预测误差较小的同时消耗较少的计算资源。同时比较了两种可解释人工智能方法在识别影响保险费用的关键特征上的结果，发现 ICE 图能更详细地展示变量之间的相互作用，而 SHAP 分析则更具概览性。希望本研究的贡献能够帮助决策者、保险公司和潜在医疗保险购买者在选择适合其需求的政策时作出正确决策。

    Nov, 2023

  • 使用机器学习模型进行电影收入预测

    用机器学习模型预测电影收益，通过收集、预处理、分析、选择模型、评估和改进的结构化方法，构建了一个准确预测电影收益的模型，使用线性回归、决策树、随机森林回归、Bagging、XGBoosting 和 Gradient Boosting 进行训练和测试，通过超参数调整和交叉验证提高模型的准确性和泛化性，有助于电影行业做出明智的决策以最大化利润。

    May, 2024

  • 通过聚合决策树模型与提升模型进行的车辆价格预测

    预测二手车价格是一个有趣且有需求的问题，本研究使用数据预处理和决策树模型等方法，进行二手车价格预测并取得了令人满意的结果。

    Jul, 2023

  • 评估回归模型在预测医疗保险费用方面的表现

    本研究使用三种回归模型（线性回归，梯度提升，支持向量机）来预测医疗保险成本，并以 RMSE、R Square 和 K-Fold 交叉验证为评估指标。结果表明，在这些模型中，梯度提升的 R Square 最高 0.892，RMSE 最低 1336.594。研究总结认为，梯度提升模型在这三种模型中表现最好。同时，探索性数据分析显示，最高的费用是由于吸烟这一特征引起的。

    Apr, 2023

  • 分位极值梯度提升用于不确定性量化

    本研究通过对 Extreme Gradient Boosting (XGBoost) 的改进，使用修正后的分位数回归作为目标函数以估计不确定性 (QXGBoost)，并将其应用于预测间隔的创建，并将其应用于一个模拟数据集和一个实际环境数据集中的测量交通噪声，结果表明该方法在预测间隔方面的整体性能要优于其他基于覆盖范围准则的模型。

    Apr, 2023

  • 使用 Google AutoML、TensorFlow 和 XGBoost 定价欧式期权

    使用神经网络及其他机器学习技术可以用历史数据更准确地估算欧式期权价格，其中 Google Cloud 的 AutoML Regressor、TensorFlow 神经网络和 XGBoost 梯度提升决策树的效果均超过了传统的 Black Scholes 模型。

    Jul, 2023

  • 机器学习算法和特征提取技术的可预测性

    本论文研究了基于矩阵分解的预测系统，旨在预测特定数据集上特定模型的分类准确性。通过超过 50 个数据集的全面实证研究，着重于研究三种基础机器学习算法（随机森林、XGBoost 和 MLP）的性能预测，包括粗调和变体微调模型的可预测性，利用特征提取技术实现 MLP 的可预测性，以及使用隐式反馈来预测模型性能。

    Apr, 2023

  • 使用机器学习方法和大型语言模型预测上海胡同房租价格

    在上海，住房已经成为年轻人最关注的问题之一。本研究利用多种传统机器学习方法和大型语言模型 ChatGPT 来预测上海的胡同房租价格。研究结果表明，相较于传统方法，ChatGPT 在预测准确性方面表现出了巨大的潜力。

    May, 2024