基于机器学习的石家庄市华莱士选址研究
随着社会的发展,传统的店铺选址预测方案已不能很好满足当前需求,而近几年兴起的大数据技术为店铺选址研究提供了全新的思路.本文以石家庄市华莱士店铺为研究对象,将选址看成二分类的问题,利用KNN、SVM、GBDT和RF算法进行分类预测,得到选址预测模型.采用准确率、精确率、召回率以及F1值等评价指标来评估预测模型的性能好坏.结果表明:相对其他三种算法来说,KNN算法具有较高的预测准确率,模型性能较好.
选址;机器学习;大数据;特征指标
TP181(自动化基础理论)
2022-03-28（万方平台首次上网日期，不代表论文的发表时间）
共3页
63-65
