《表5 超参调优后机器学习的决定系数》

  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

《基于机器学习和遗传算法的高炉参数预测与优化》

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

注:ANN为人工设定超参，未参与Grid search超参的自动调优．

由表5可知，ANN深度学习算法的拟合能力最强，基于决策树的算法中LightGBM表现最好，其他算法的决策系数可以达到0.85以上，均具有较强的拟合能力，适用于高炉参数预测．超参调优可以提高算法的预测精度，SVM算法尤为明显．虽然个别算法的R2有所降低，但通过5折交叉验证后的超参降低了算法的过拟合程度．