点击次数：
所属单位：计算机科学与技术学院/人工智能学院/软件学院
发表刊物：计算机应用
关键字：机器学习;数据挖掘;深度模型;集成学习;特征工程;
摘要：针对轻量化梯度促进机(Light Gradient Boosting Machine,LightGBM)等集成学习模型只对数据信息进行一次挖掘,无法自动地细化数据挖掘粒度及深入挖掘数据更加潜在的内部关联信息这一缺陷,通过滑动窗口和加深两种操作将集成学习模型做成深度形式,提出深度集成学习模型。滑动窗口使得集成学习模型能够自动地细化数据挖掘粒度,从而更加深入地挖掘数据中潜在的内部关联信息,同时赋予其一定的表示学习能力;基于滑动窗口,加深步骤则进一步地提升模型的表示学习能力。在谷歌商店数据集上进行的实验结果表明,所提深度集成学习模型比原始集成学习模型的预测精度高出6.16个百分点。
ISSN号：1001-9081
是否译文：否
发表时间：2019-08-22
合写作者：叶志宇,高航
通讯作者：冯爱民