《表4 各预测算法的事故与非事故预测结果》

  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

《MI和SVM算法在煤与瓦斯突出预测中的应用》

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

缺失的事故数据填补前，用于训练和测试预测算法数据一共106组，其中事故数据35组，非事故数据71组，非事故数据的数据量是事故数据量的2倍，机器学习算法，其预测结果更偏向于数据量多的那一类[5]。从图6中的结果可知:KNN受数据不平衡影响明显大于SVM算法，在事故数据少的情况下，事故数据被准确预测的概率为70.40%，远低于其87.95%的平均预测准确度，2种算法的事故与非事故测试结果见表4，其中，“P”为预测数据集中事故数据组数，“PN”为事故数据预测成非事故数据的平均组数，“N”为预测数据集中非事故数据组数，“NP”为非事故数据预测成事故数据的平均组数。