《表5 运行效率对比：基于主成分回归算法的城市客流聚集风险预测》

  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

《基于主成分回归算法的城市客流聚集风险预测》

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

从图9中可以看出，本文算法在整体的预测准确度方面与ARIMA算法相比差距较小，在效率运行方面如表5所示.随着迭代次数的增多，改进PCA算法的准确度得到了提升，同时其运行效率呈高斯分布，即呈现中间高两头低的趋势，原因如下：随着迭代次数的增多，模型复杂度逐步提升，模型训练效果更佳，泛化效果更好.然而，在复杂度提升的同时运行效率略有降低，实验结果符合预期.