实战十一:基于CatBoost,XGBoost,LightGBM的路况多分类任务 代码+数据

概述

演示了对交通路况预测的基本流程。数据集包含了2019年7月1日至2019年7月31日西安市的实时和历史路况信息, 以及道路属性和路网拓扑信息,规模庞大,要求测试集中每个样本待预测时间片的路况状态。该任务是一个多分类任务,需要预测三种路况状态,每路况状态标签对应如下:

类别名 畅通 缓行 拥堵
标签 1 2 3
  • 数据集: 数据集包含了2019年7月1日至2019年7月31日西安市的实时和历史路况信息,实时路况信息包含近期几个时间片的路况信息(如状态、速度、车辆数等),历史路况信息包含前四周内的同期和与当前时间片较近的几个时间片的路况信息。数据可以从这里下载,下载后解压到data目录下。

  • 运行环境

    lightgbm=2.2.3
    xgboost=1.1.0
    catboost=0.24.2
    numpy=1.18.5
    pandas=1.1.4
    tqdm=4.47.0
  • 方法概述:利用LightGBM,CatBoost,XGBoost三种机器学习方法训练了一个效果较好、结果稳定的预测模型。利用简单的思路和浅显的手段,将复杂的交通路况预测问题转化为一个简单的三分类结构化数据问题,在学习

你可能感兴趣的:(机器学习实战100例,分类,python,交通预测,预测)