四种模型预测结果的对比分析

邹 　齐
北方工业大学

摘要


两个多世纪以来，汽车工业的发展导致了燃料价格的上涨和消费者对汽车功能的需求增加。制造商努力优
化工艺以提高燃油效率。本文对多元线性回归、贝叶斯多元线性回归（GLS）、广义最小二乘法、随机森林和Lasso回
归等预测模型进行了比较和分析，以确定基于气缸数量、排量、马力、重量、加速度、年份和产地的最准确的MPG
预测模型，并将进一步选择对MPG影响最大的变量。

关键词


多元线性回归；贝叶斯多元线性回归；随机森林模型；Lasso回归

全文:

PDF


参考


[1]Shirbhayye V, Kurmi D, Dyavanapalli S, et al. An

accurate prediction of MPG (Miles per Gallon) using linear

regression model of machine learning[C]//2020 International

Conference on Computer Communication and Informatics

(ICCCI). IEEE, 2020: 1-5.

[2]Jamala M N, Abu-Naser S S. Predicting MPG

for automobile using artificial neural network analysis[J].

International Journal of Academic Information Systems

Research (IJAISR), 2018, 2(10): 5-21.

[3]Meng J, Liu X. MPG prediction based on BP Neural

Network[C]//2006 1ST IEEE Conference on Industrial

Electronics and Applications. IEEE, 2006: 1-3.

[4]Syahputra R. Aapplication of neuro-fuzzy method

for prediction of vehicle fuel consumption[J]. Journal of

Theoretical & Applied Information Technology, 2016,

86(1).


Refbacks

  • 当前没有refback。