论文部分内容阅读
本研究系统地调查了"第四次工业革命"背景下大数据爆炸给传统研究范式带来的挑战和机遇。以荷兰智慧城市宜居性预测模型为例,引入数据密集型的"第四范式"新研究方法。首先从传统研究范式和宜居性研究现状出发,收集与人居环境宜居性相关的变量和可用的多源数据集。然后执行必要的数据清理、数据工程、数据特征提取方面的工作流程,使收集到的原始数据能够满足机器学习的基本要求。随后在机器学习的反复实验中,选用监督式机器学习关于多级目标预测的2个通用算法:多类别决策丛林和多类别决策森林,经过比选和优化得到最优算法。然后,将这