面向集成学习的航班离港延误状态预测

作者：晋百川; 杨鸿波^*; 侯霞; 罗杰; 胡大胆

来源：传感器与微系统, 2023, 42(09): 141-144.

DOI：10.13873/J.1000-9787(2023)09-0141-04

• 奇异值分解
• 集成学习
• LightGBM模型
• Logistic模型
• 特征转换

为了消除特征维度不足和稀疏数据对预测模型带来的负面影响，提出一种基于奇异值分解(SVD)和集成学习的航班离港延误预测方法。使用SVD对类别特征信息挖掘的同时，增加特征维度；采用LightGBM作为集成学习的特征转换器，将树中每个叶节点信息作为特征向量送入到Logistic模型进行离港延误预测。实验结果表明：SVD和集成学习方法均能够大幅度提高预测准确度，准确度达94.9%,为航空枢纽提供重要的参考和使用价值。

• 单位
  自动化学院; 北京信息科技大学