基于非均衡数据的ADASYN-CatBoost测井岩性智能识别——以胶西北招贤金矿床为例

许方颖,邹艳红,易卓炜,杨福强,毛先成

ADASYN-CatBoost Method for Intelligent Identification of Logging Lithology Considering Unbalanced Data：A Case Study of Zhaoxian Gold Deposit in Northwestern Jiaodong Peninsula

Fangying XU,Yanhong ZOU,Zhuowei YI,Fuqiang YANG,Xiancheng MAO

表3 模型的超参数数值范围及其最优解

Table 3 Numerical range of hyperparameter of the model and its optimal solution

分类器 超参数 搜索范围 最优参数 GBDT 学习率 0.000001~0.5 0.1 弱学习器个数 50~130 119 叶子节点最小样本数 5~50 10 树的最大深度 2~30 25 LightGBM 学习率 0.001~0.800 0.2 弱学习器个数 50~130 102 树的最大深度 1~50 24 树的叶子节点个数 15~60 46 叶子节点最小数据量 5~55 30 CatBoost 学习率 0.001~0.800 0.1 树的深度 3~17 10 最大迭代次数 50~500 300 L2正则化参数 1~20 1