《表2 最优精度下的特征维度和时间》
图2所示为3种特征选择算法在不同特征维数d下预测精度的对比,表2所示为不同算法在预测精度最高时的特征维数和预测时间。由图2可知,ReliefF-mRMR特征选择算法在特征维数为8时达到最高的预测精度0.956,而实验测得不使用特征降维算法的全特征预测模型的精度仅为0.867,ReliefF和m RMR单一预测最佳预测精度分别为0.935和0.948,预测精度得到一定的提高。并且对比使用单一特征选择算法,ReliefF-mRMR结合的特征选择算法在特征维数较低时的预测精度明显高于单一特征选择算法,而在维数较高时,3种算法的预测精度逐渐趋于一致。ReliefF-mRMR、ReiliefF和m RMR这3种算法1~18维特征平均预测精度分别为0.816、0.786和0.755,对比其他两种算法,ReliefF-mRMR算法的预测精度分别提高了3.92%和8.11%,均有一定程度的提高。
图表编号 | XD00128396200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 陈静、陈焕新、徐成良 |
绘制单位 | 华中科技大学中欧清洁与可再生能源学院、华中科技大学能源与动力工程学院、华中科技大学能源与动力工程学院 |
更多格式 | 高清、无水印(增值服务) |