抗过拟合强泛化
通过数据分层处理和特征增强构建的多层叠加集成学习模型，比单一预测模型更能避免过拟合和局部搜索，获得泛化能力更强的风电功率预测学习器。
王华卿 · 谭忠富 · Yan, Liang · Fanqi, Li · Zheyu, Zhang · 鞠立伟
Energy 2024
RFE方法根据重要性筛选主要特征，显著减少计算时间并提升泛化能力和预测精度。
DBSCAN方法能有效找出风电数据集中的异常值，从而提高预测精度。
多层叠加集成模型能减缓单一预测模型的过拟合趋势，有效避免模型陷入局部搜索状态。