梯度提升决策树(GBDT)在城市活力研究中的应用

梯度提升决策树 (GBDT) 如何助力城市活力研究？

梯度提升决策树 (GBDT) 是一种机器学习算法，通过组合多个决策树来进行预测。在城市活力研究中，GBDT 可以用来揭示建成环境与城市活力之间的复杂关系。

GBDT 相比传统的多元线性回归模型具有以下优势:

• 无需假设: GBDT 不需要预先设定因变量和自变量之间的线性关系，能够更好地捕捉现实世界中复杂的非线性关系。* 对异常值不敏感: GBDT 对数据中的异常值不敏感，能够提供更稳健的预测结果。* 解决多重共线性: GBDT 能够有效处理自变量之间的多重共线性问题，提供更准确的预测结果 [28]。

GBDT 在城市活力研究中的应用:

GBDT 可以用来识别建成环境对城市活力的影响阈值 [29]，例如：

• 确定公园密度对居民步行活动影响的最大有效范围。* 找出混合功能街区对商业活力贡献的最佳比例。

通过 GBDT 模型，我们可以更深入地了解建成环境对城市活力的影响机制，为城市规划和设计提供更科学的依据。