《表2 最优精度下的特征维度和时间》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《两阶段特征选择的冷水机组能耗预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。