科研之友
微信
新浪微博
Facebook
分享链接
摘要
采用Xgboost算法处理多联机故障诊断问题时,存在算法参数设置难、特征选择稳定性低等缺陷,严重影响诊断精度与效率。本文提出一种改进Xgboost算法,以获得预测性能好、稳定性高的特征变量。本文选择Xgboost算法作为基特征选择器获得5组特征排序,使用交叉验证与网格搜索确定算法参数,采用贪心搜索集成策略对特征子集进行集成,得到集成特征子集。最后,分别选择30,000与40,000组样本数据,对比集成的特征选择法与单一特征选择法在Adaboost模型和Xgboost模型上的预测准确率和泛化性能,结果表明,改进Xgboost算法可以获得最高的预测准确率,在两种模型选择的特征数量较少时,准确率提升明显,最好时分别提升了15.28%和4.68%。
- 单位
