基于集成学习算法的工业产品质量预测 |
| |
引用本文: | 江琨,丁学明.基于集成学习算法的工业产品质量预测[J].教育技术导刊,2019,18(1):124-127. |
| |
作者姓名: | 江琨 丁学明 |
| |
作者单位: | 上海理工大学 光电信息与计算机工程学院,上海 200093 |
| |
摘 要: | 现代数字化工业生产中,制造、组装和测试过程会产生大量数据,这些数据中隐藏着决定产品质量的信息和知识。使用传统抽检手段发现质量问题后再加以修改往往为时已晚。数据挖掘中用生产参数预测产品质量,可以预先获取产品质量信息,据此进行调整以提高产品质量。采用CRISP-DM流程,使用集成学习算法(随机森林、XGBoost),利用回归与分类模型进行数据挖掘,经参数调节获得精确的优化模型,在生产中运用该模型有助于提升产品质量。
|
关 键 词: | 数据挖掘 CRISP-DM 质量预测 集成学习 随机森林 XGboost |
|
| 点击此处可从《教育技术导刊》浏览原始摘要信息 |
| 点击此处可从《教育技术导刊》下载免费的PDF全文 |
|