买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国地质大学(北京);保定市佳宇软件科技有限公司

摘要：本发明公开了一种基于XGboost算法的碎屑锆石物源判别方法和系统，包括以下步骤：收集A1、A2、S、I花岗岩中锆石的微量元素数据，筛选出数据较为集中的元素。构建具有地质意义的元素比值，获得数据集Dataset1。在Dataset1上训练XGBoost模型，选择排名前9的元素或元素比值作为最终训练模型的特征，构建新数据集Dataset2。在训练集上选择XGBoost算法进行训练。使用优化框架调优XGBoost模型的超参数，以最大化F1分数为目标。使用训练好的XGBoost模型将预处理后的未知样本数据输入模型，进行预测，并输出输出结果。本发明的优点是：提高了数据处理的效率和物源判别的精准性，适用于全球各个地区的碎屑锆石物源判别，不受地理位置的限制。

主权项：1.一种基于XGboost算法的碎屑锆石物源判别方法，其特征在于，包括以下步骤：Step1:数据收集收集S型、I型、A1型、A2型四种不同花岗岩中锆石的微量元素数据；使用Python将Excel文件中的数据汇总并赋予标签；筛选出数据较为集中的元素，包括：Ce、Nd、Sm、Eu、Gd、Dy、Ho、Er、Yb、Lu、Th、U；Step2:数据预处理对低于检测限的值使用检测限填充，对于具有缺失值的数据进行删除；构建具有地质意义的元素比值，包括ThU、CeU、UYb、EuEu*、CeCe*，增加数据信息，获得数据集Dataset1；通过中心对数变换CLR消除数据集Dataset1对模型的影响，使其更接近正态分布；在Dataset1上训练XGBoost模型，使用特征重要性功能过滤低信息的特征，选择排名前9的元素或元素比值作为最终训练模型的特征，构建新数据集Dataset2；Step3:模型建立将数据集Dataset2按80％的比例划分为训练集，20％为测试集；在训练集上选择XGBoost算法进行训练；使用优化框架调优XGBoost模型的超参数，以最大化F1分数为目标；Step4:模型评估对未在训练集出现过的测试集进行预测；将预测结果与实际标签对比，以准确率、召回率、F1分数综合评估算法性能；Step5:使用训练好的XGBoost模型将预处理后的未知样本数据输入模型，进行预测，并输出输出结果。

全文数据：

权利要求：

百度查询： 中国地质大学(北京) 保定市佳宇软件科技有限公司 基于XGboost算法的碎屑锆石物源判别方法和系统