预测监测对象可持续发展等级的分类案例分析

本文将监测对象的数据按照3∶1∶1的比例随机划分为训练集、验证集和测试集。在训练集上，本文分别训练了随机森林模型、集成学习中的XGBoost模型、CatBoost模型和LightGBM模型，并且在验证集上评估超参数的效果，以及采用5折交叉验证以保证模型有效性，从而降低预测误差。最后，计算各模型的准确率、精准率、召回率以及F1得分，对模型的性能进行评估。模型在测试集上的预测效果如表11所示。

表11　四种模型的预测结果

从预测结果来看，采用四个模型的平均预测精度均达到90%以上，故模型对新的监测对象数据也具有较好的泛化能力和预测分类能力，可以达到基本准确预测监测对象的可持续发展能力等级的效果。