摘要
农产品价格与人们生活息息相关,准确有效的预测农产品价格可以对平稳价格波动起到一定的作用。而对于价格预测,采用单个的机器学习或者统计模型并不能得到很好的结果。文章对比了常见的几种机器学习方法:支持向量回归(support vector regression,SVR)、线性回归和K-近邻(K-nearest neighbor,KNN)算法在农产品价格预测上的表现,并根据数据特性与模型表现进行模型集成。在集成模型的价格预测实验中,集成模型在鸡蛋均价、白条鸡均价、蔬菜均价3个数据集上较SVR模型分别提升了1.3%、1.4%、4%;较线性回归模型分别提升了0.6%、1.4%、4%;较KNN模型分别提升了6.9%、2.8%、7.7%。证明了集成模型对于提升泛化性能的有效性,预测结果对于农产品市场的完善和改革具有一定的作用。
出处
《信息技术与信息化》
2022年第3期44-47,共4页
Information Technology and Informatization
