交通方式预测策略的特征选择与评估
人工智能
2018-09-07 v2 机器学习
机器学习
摘要
交通方式预测是智能城市和交通管理系统决策中的一项基本任务。基于轨迹挖掘设计的交通政策可为管理部门和公众节省资金与时间。它可能降低燃料消耗与通勤时间，并为居民和游客提供更愉悦的时光。由于可用于预测用户交通方式的特征数量可能十分庞大，寻找能使某项性能度量最大化的特征子集值得研究。在本工作中，我们探索包装器和信息检索方法以寻找最佳轨迹特征子集。在找到最佳分类器和最佳特征子集后，我们的结果与两篇应用深度学习的相关论文进行了比较，结果显示我们的框架取得了更好的性能。此外，研究了两类交叉验证方法，性能结果表明随机交叉验证方法给出了过于乐观的结果。
引用
@article{arxiv.1808.03096,
title = {On feature selection and evaluation of transportation mode prediction strategies},
author = {Mohammad Etemad and Amilcar Soares Junior and Stan Matwin},
journal= {arXiv preprint arXiv:1808.03096},
year = {2018}
}
备注
arXiv admin note: substantial text overlap with arXiv:1807.10876