用于城市活力指数的无监督机器学习方法
机器学习
2021-02-02 v2
摘要
本文关注于逐年评估和预测城区活力指数（VI）的挑战。目前尚无标准方法可完成此任务，而在过去几十年中回溯性地开展评估则更为复杂。尽管如此，评估和了解过去的特征以预测未来的VI至关重要。本文提出一种基于k-means聚类算法评估此类VI的方法。该无监督机器学习技术的元参数通过遗传算法进行优化。基于所得聚类与VI，应用线性回归预测城市各城区的VI。聚类中所用各特征的权重通过随机森林回归算法计算。该方法可为城市规划者提供有力洞察，并为智慧城市背景下的城市规划编制提供启发。
引用
@article{arxiv.2012.12082,
title = {Unsupervised Machine learning methods for city vitality index},
author = {Jean-Sébastien Dessureault and Jonathan Simard and Daniel Massicotte},
journal= {arXiv preprint arXiv:2012.12082},
year = {2021}
}