超级会员免费看
本文介绍了一个基于LGB算法的车联网大数据碰撞识别项目。首先通过规则预测模型筛选强烈碰撞车辆，再利用LightGBM对剩余车辆进行预测。特征工程包括状态和运动信息，如继电器状态和车辆速度变化。数据处理涉及异常标签清洗和重采样，以应对不平衡数据。最终，通过碰撞状态和时间预测模型，提高了碰撞识别的准确性。
项目介绍：
- 使用的数据为采集车辆信号。车辆信息非常多，而且用户路况信息和使用偏好千人千面，很难找到一种准确识别碰撞的方法，希望参赛者通过车联网大数据识别车辆碰撞和碰撞时间。车辆标签信息如下：
| 车号 | Label | CollectTime |
|---|---|---|
| 1 | 1 | 2020/8/30 21:36:09 |
| 2 | 0 | |
| 3 | 1 | 2020/8/12 8:36:46 |
数据集：
基于LGB实现车联网大数据碰撞识别.zip_基于LGB实现车联网大数据碰撞识别-机器学习文档类资源-CSDN下载
-
运行环境：
joblib=1.0.1 lightgbm=3.2.0 numpy=1.20.2 pandas=1.2.3 scikit-learn=0.24.1 tqdm=4.60.0</
订阅专栏 解锁全文
扫一扫
204
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
