论文部分内容阅读
室内定位系统旨在以无线方式定位建筑物内的物体,并为室内定位移动应用带来发展。为了探索这种不成熟的系统设计,选择阿里第三方数据集,使用PCA进行特征选择,并分别建立基于Gradient boosting、kNN和SVM的预测模型。实验结果表明,kNN和Gradient Boosting的组合为室内定位提供了高精度的预测。kNN对于样本量大于1000的大量数据集表现出良好的性能,并且Gradient Boosting在小数据量上交叉验证错误很小。