《表5 最优拟合优度时各因素的重要性参数》

《表5 最优拟合优度时各因素的重要性参数》   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Extra-Trees算法的大气环境因素对聚酯涂层老化失光影响的研究》


  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

在bagging集成的随机森林中启用bootstrap时,每次约有1/3的样本不会出现在训练集中,不会参与决策树的建立,即为袋外数据(out of bag)。用模型对这些未参与训练的数据预测结果与实际值的误差来验证模型的可靠性是机器学习应用中常用的方法。对于分类问题,可以直接计算袋外数据的分类准确率;而针对回归问题,往往用拟合优度[18]R2(也叫决定系数,Coefficient of Determination)来表征模型的综合性能。在本模型的千次随机试验中,平均拟合优度为91.99%,则证明该模型具有较好的稳定性;而其平均结果易受极端值的影响,仅供参考。准确的结果还要在具有高拟合优度前提下,结合模型使用场景中的先验知识来对输出进行筛选以得出准确结果。在本模型千次试验中,具有较高袋外数据检验拟合优度97.35%的结果见表5。