文献

J-GLOBAL ID：202102225863972560   整理番号：21A0232356

XGBoostとBayes最適化対数を用いた列車到着遅延予測モデル【JST・京大機械翻訳】

A Train Arrival Delay Prediction model using XGBoost and Bayesian optimization^*

著者 (2件)： Shi Rui (Beijing Jiaotong University,State Key Laboratory of Railway Traffic Control and Safety,Beijing,China,100044) ,  Xu Xinyue (Beijing Jiaotong University,State Key Laboratory of Railway Traffic Control and Safety,Beijing,China,100044)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ITSC  ページ： 1-6  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,eXtreme勾配ブースティング(XGBoost)とBayes最適化アルゴリズムを組み合わせたデータ駆動法を提案し,列車到着遅延を予測した。第1に,次のステーションでの列車到着遅延に影響を及ぼす可能性がある11の特性を独立変数として同定した。第2に,鉄道システムの列車到着遅れと様々な特性の間の関係を捕えるXGBoost予測モデルを3番目に確立し,Bayes最適化アルゴリズムをXGBoostモデルのハイパーパラメータ最適化に適用し,予測精度を改善した。最後に,事例研究を示し,提案した方法の予測精度を示した。結果は,提案方法がより高い予測精度を持ち,他のベンチマーク法(即ち,ランダムフォレスト,深極値学習機械,および勾配ブースティング回帰トレッシング)より優れていることを証明した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  最適化手法 ,  学習機械 ,  事例研究 ,  *対数 ,  *予測モデル
準シソーラス用語： ベンチマーキング ,  独立変数 ,  予測精度 ,  ブースティング ,  ランダムフォレスト ,  データ駆動 ,  ハイパーパラメータ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： Bayes最適化 ,  対数 ,  列車 ,  遅延 ,  予測モデル