Code for Quantitative Assessment of Factors Influencing Heat Vulnerability in Residential Areas using Machine Learning and UAV Data

Author: Ja Woon Gu Email: [e-mail] Date: 2024-07-22 Version: 1.0 Description: This script compares multiple regression models using GridSearchCV and RepeatedKFold cross-validation. The script identifies the best performing model based on the mean cross-validation score (neg_mean_squared_error). It performs residual analysis including normality, homoscedasticity, and autocorrelation checks. Models included: - DecisionTreeRegressor - ExtraTreesRegressor - AdaBoostRegressor - XGBRegressor - LGBMRegressor - CatBoostRegressor - RandomForestRegressor - GradientBoostingRegressor The best model's feature importances are calculated and plotted. Residuals are analyzed using Shapiro-Wilk, Levene's, and Durbin-Watson tests.作者：Ja Woon Gu 邮箱：[e-mail] 日期：2024-07-22 版本：1.0 描述： 本脚本通过网格搜索交叉验证（GridSearchCV）与重复K折交叉验证（RepeatedKFold）对多种回归模型进行对比。 本脚本基于平均交叉验证得分（负均方误差，neg_mean_squared_error）选出性能最优的模型。 该脚本将执行残差分析，涵盖正态性、同方差性与自相关性检验。 包含的模型如下： - 决策树回归器（DecisionTreeRegressor） - 极端随机树回归器（ExtraTreesRegressor） - AdaBoost回归器（AdaBoostRegressor） - XGB回归器（XGBRegressor） - LGBM回归器（LGBMRegressor） - CatBoost回归器（CatBoostRegressor） - 随机森林回归器（RandomForestRegressor） - 梯度提升回归器（GradientBoostingRegressor） 将计算并绘制最优模型的特征重要性。 本脚本将使用夏皮罗-威尔克检验（Shapiro-Wilk test）、莱文检验（Levene's test）与杜宾-瓦特森检验（Durbin-Watson test）对残差进行分析。