《表6 模型最优参数表：基于实体关联的消歧算法研究》

  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

《基于实体关联的消歧算法研究》

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

对于GBDT模型，RF模型，XGBOOST模型，最大迭代次数n＿estimators以10为步长，范围[10，500]和最大树深度max＿depth以5为步长，范围[5，30]，即总共300组参数，同时内部节点再划分所需最小样本数min＿samples＿split为2，叶子结点最小样本数min＿samples＿leaf为1，其他参数默认，进行训练；对于NB模型，采用平滑因子alpha以0.001为步长，范围[0.001，1]，即总共1000组参数，其他参数默认，进行训练；对于Tree模型，采用特征选择标准criterion为’gini’，即CART算法，最大迭代次数n＿estimators以10为步长，范围[10，500]，即总共50组参数，同时内部节点再划分所需最小样本数min＿samples＿split为2，叶子结点最小样本数min＿samples＿leaf为1，其他参数默认，进行训练。如表6所示为最优解时的各个模型的参数。