基于优化Logistic分类算法的山体滑坡研究

摘要

滑坡是一种常见的地质灾害，受到滑坡曲率、坡度等因素的影响。然而这些因素一般是以连续型数据存在，传统的机器学习分类算法无法适应此种数据类型，一般采用人工处理方式将其转换为离散型数据，这种方式不但耗费人力，而且无法准确划分影响因素离散化后的区间范围，产生噪声。针对于此实验提出了一种集成机器学习模型，以Logistic算法为分类器，以随机森林算法为连续性数据处理工具，减少人工处理方式产生的噪声影响。模型在滑坡灾害数据集上得以验证，F1值达到了90.1%。

关键词

机器学习 / 人工处理 / 噪声 / Logistic / 随机森林