集成卷积神经网络在智能手机出行调查中出行方式推断的应用
机器学习
2019-04-22 v1 机器学习
摘要
我们开发了集成卷积神经网络（CNNs）来对加拿大蒙特利尔大规模智能手机出行调查中收集的出行数据进行出行方式分类。我们提出的集成库由一系列具有不同超参数值与 CNN 架构的 CNN 模型组成。在最终模型中，我们使用“平均投票”、“多数投票”和“最优权重”方法组合 CNN 模型的输出。此外，我们通过部署随机森林模型作为元学习器来利用该集成库。以随机森林为元学习器的集成方法准确率达 91.8%，超越其他三种集成组合方法以及文献中报道的其他可比模型。“多数投票”与“最优权重”组合方法的预测准确率约为 89%，而“平均投票”仅能达到 85% 的准确率。
引用
@article{arxiv.1904.08933,
title = {Ensemble Convolutional Neural Networks for Mode Inference in Smartphone Travel Survey},
author = {Ali Yazdizadeh and Zachary Patterson and Bilal Farooq},
journal= {arXiv preprint arXiv:1904.08933},
year = {2019}
}