面向预测性设备故障的自定义集成模型与XGBoost、Scikit-learn等现有库的对比及数据插补
机器学习
2021-11-22 v1
摘要
本文针对石油开采设备装置预测性设备故障的场景，将自定义集成模型与使用XGBoost、Scikit-learn等现有库训练的模型进行了对比。所使用的数据集包含许多缺失值，本文提出了不同的基于模型的数据插补策略来填补缺失值。自定义集成模型的架构以及训练和测试过程得到了详细阐述。
引用
@article{arxiv.2111.10088,
title = {Data imputation and comparison of custom ensemble models with existing libraries like XGBoost, Scikit learn, etc. for Predictive Equipment failure},
author = {Tejas Y. Deo},
journal= {arXiv preprint arXiv:2111.10088},
year = {2021}
}
备注
16 pages, 19 figures