《表4 各算法效果对比：基于Stacking的地面PM_(2.5)浓度估算》

  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

《基于Stacking的地面PM_(2.5)浓度估算》

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

本文也利用其他机器学习模型进行训练和测试，结果如表4所示。可知:相对于没有使用集成策略机器学习模型，以分类回归树作为基学习器，分别使用Bagging集成的随机森林和Boosting集成的GBRT以及XGBoost，各种模型性能指标有较大提升，集成策略对于单学习器模型的结果而言有较好表现。与此同时，对于使用不同集成学习框架的XGBoost、GBRT和RF，本文提出的Stacking回归模型在3种评价指标中有明显提升，表明本文所提出的回归模型与其他模型相比，模型表现更优。