《表2 常用的机器学习回归算法在不同时序长度(LEN)下的对应的结果》
在预测算法中,本文选用了两种预测算法,一个是时间跨度较小的线性回归算法,一个是时间跨度较大的决策树模型。在时间跨度较小的线性回归算法中,在自己录制的视频中,进行了时间序列的长度测试实验,并采用均方误差MSE进行评估,实验结果见表2。在该通道最后选用了Lasso,时序长度为7的方法。在时间跨度加大的预测模块中选用了XGBoost,其提供有关缓存访问模式、数据压缩和分片的见解,以构建有延展性的提升树系统,XGBoost可用比现系统少得多的资源来处理数十亿规模的数据,满足综合城市中的所有场所的数据,打破数据孤岛。
图表编号 | XD00192282600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.01 |
作者 | 杨志虎、赵家曼 |
绘制单位 | 东北林业大学信息与计算机工程学院、东北林业大学信息与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |