利用 Ensemble Synthesizer (ENSY) 提升 旅行模式选择建模
机器学习
2024-07-03 v1 人工智能
摘要
准确分类模式选择数据集对于交通规划与决策过程至关重要。然而，传统分类模型往往难以充分捕捉这些数据集中少数类模式的细微特征，导致准确率次优。针对这一挑战，我们提出了 Ensemble Synthesizer (ENSY)，其利用概率分布进行数据增强，一种专为提升模式选择数据集分类准确率而量身定制的新型数据模型。在我们研究中，ENSY 通过几乎翻倍的少数类 F1 分数和将整体分类准确率提高约 3% 而展现出卓越的效果。为全面评估其性能，我们将 ENSY 与各种数据增强技术进行比较，包括 Random Oversampling、SMOTE-NC 和 CTGAN。通过实验，ENSY 在各种情景下均一致优于这些方法，凸显了其鲁健性与有效性。
引用
@article{arxiv.2407.01769,
title = {Improving Trip Mode Choice Modeling Using Ensemble Synthesizer (ENSY)},
author = {Amirhossein Parsi and Melina Jafari and Sina Sabzekar and Zahra Amini},
journal= {arXiv preprint arXiv:2407.01769},
year = {2024}
}