基于Stacking集成学习的注塑件尺寸预测方法

机器学习算法能够处理高维和多变量数据,并在复杂和动态环境中提取数据中的隐藏关系,在注塑件尺寸预测中具有很好的应用前景。注塑件尺寸预测系统的性能取决于机器学习算法的选择,然而,传统的机器学习算法在实际应用中不能达到很好的预测效果。本文提出一种基于Stacking集成学习方法的融合模型,采用优化的特征选择方法,建立模型时通过对比不同的Stacking学习器组合方式,组合多种类型的学习器,从而得到预测性能最佳的模型。该模型在注塑件尺寸预测方面的性能较传统模型有了很大的提升,同时模型预测结果可根据特征解释回溯到实际生产中,为制造工艺和工序的优化提供决策指导。