知识卡片
线性模型为何在延误上失灵
对 LAX 到 BOS 航线,自变量包括出发与到达机场各 8 个天气变量(加 dep、arr 前缀区分)、月份、星期、计划起降时刻、航空公司,剔除不完整样本后从 53 414 条降到 50 472 条,60/40 切分。随机森林每次分裂随机选 5 个变量、共 500 棵树,测试集准确率 86.26%;SVM 用径向核、cost=100 表现也接近;而 Logistic 与线性核 SVM 明显更差。这个对比是本章最直接的方法选择证据:延误不是各因素线性叠加,而是“雷雨加晚高峰加枢纽拥堵”这类组合才触发,树模型与径向核能自动捕捉阈值和交互。变量重要性也印证业务直觉,天气与时间因素(月份、星期)贡献最大。先用线性模型做基线、再看非线性模型提升多少,是判断该不该上复杂模型的廉价方式。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第10章 大数据案例分析 · 查看原书依据
我们还使用Logistic模型以及支持向量机(线性核)分析此数据,测试集的预测准确性较低,说明该问题中自变量对航班延误的影响是非线性的。
参考来源
- 位置:《大数据挖掘与统计机器学习》第10章 大数据案例分析(源文件:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter12_0002.xhtml,10.2.2 航线延误分析)
- 结论依据:原文用两机场天气变量加月份、星期、时刻、航司建随机森林(每次 5 个变量、500 棵树)得 86.26%,并用径向核 SVM 与 Logistic、线性核对比,说明影响非线性。
- 原始内容:我们还使用Logistic模型以及支持向量机(线性核)分析此数据,测试集的预测准确性较低,说明该问题中自变量对航班延误的影响是非线性的。