《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》

  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

《公共地点人流量统计预警平台》

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。