基于集成模型的农产品价格预测
李慧东
贵州财经大学信息学院 贵州贵阳 550025
摘要：农产品价格与人们生活息息相关,准确有效的预测农产品价格可以对平稳价格波动起到一定的作用.而对于价格预测,采用单个的机器学习或者统计模型并不能得到很好的结果.文章对比了常见的几种机器学习方法:支持向量回归(support vector regression,SVR)、线性回归和K-近邻(K-nearest neighbor,KNN)算法在农产品价格预测上的表现,并根据数据特性与模型表现进行模型集成.在集成模型的价格预测实验中,集成模型在鸡蛋均价、白条鸡均价、蔬菜均价3个数据集上较SVR模型分别提升了1.3％、1.4％、4％;较线性回归模型分别提升了0.6％、1.4％、4％;较KNN模型分别提升了6.9％、2.8％、7.7％.证明了集成模型对于提升泛化性能的有效性,预测结果对于农产品市场的完善和改革具有一定的作用.
关键词：农产品价格机器学习SVR线性回归KNN集成模型
论文发表日期：2022-03-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 44-47 )