[发明专利]一种基于机器学习的地铁乘客分类方法

摘要

本发明公开了一种基于机器学习的地铁乘客分类方法，包括下述步骤：步骤一，从一卡通公司获取城市全部地铁站的历史刷卡数据；步骤二，对历史刷卡数据进行预处理，缺失值补0；步骤三，对部分刷卡数据进行人工标注，得到乘客类别，作为半监督学习中的已知类别的数据集，用于初始训练；步骤四，按照实际情况，对地铁站进行等级划分；步骤五，考虑影响地铁乘客类别的影响因素，分析建立模型时所需要的初始特征；本发明考虑影响乘客类别的因素较为全面，利用GBDT算法模型根据已有特征构建出新特征，实现了特征的自动提取，算法模型简单，能解决现有方法分类效果较差等问题，提高了分类的精度。

主权项

1.一种基于机器学习的地铁乘客分类方法，其特征在于，包括下述步骤：步骤一，从一卡通公司获取城市全部地铁站的历史刷卡数据；步骤二，对历史刷卡数据进行预处理，缺失值补0；步骤三，对部分刷卡数据进行人工标注，得到乘客类别，作为半监督学习中的已知类别的数据集，用于初始训练；步骤四，按照实际情况，对地铁站进行等级划分；步骤五，考虑影响地铁乘客类别的影响因素，分析建立模型时所需要的初始特征；步骤六，训练GBDT算法模型；(1)GBDT算法模型是以决策树为基模型的；(2)利用已知类别的那部分数据，进行特征工程，得到满足GBDT算法模型的特征表示，将该特征记为X'；(3)将数据划分为训练集和测试集；(4)将已知的乘客类别作为目标y，特征作为输入x，传给GBDT算法模型，利用训练集训练GBDT算法模型，利用测试集测试GBDT算法模型的性能以及调整模型参数，得到准确度较高的模型；步骤七，利用GBDT算法模型构建新特征；(1)利用GBDT算法模型学习得到的树来对已经标注的数据构造新特征，记为X”；(2)将该新特征X”加入原有特征X'，一起构成了特征集X”'；步骤八，建立softmax算法模型；(1)softmax算法模型的函数为(2)将经过GBDT算法模型构建的新的特征集X”'划分为训练集和测试集，用softmax算法模型对训练集进行训练，用测试集测试模型自身的性能；(3)得到softmax算法模型的模型参数；步骤九，对其他未进行标注的数据，按照步骤一至步骤八的方法进行处理，得到具有与特征集X”'相同特征数量的特征；步骤十，利用GBDT+softmax算法模型对地铁乘客进行分类。