《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》
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.
图表编号 | XD0097741100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.30 |
作者 | 王聚全、王伟、马慧民、杨博、杜渂 |
绘制单位 | 迪爱斯信息技术股份有限公司、电信科学技术第一研究所有限公司、上海市公安局科技处、上海市北高新股份有限公司、迪爱斯信息技术股份有限公司、迪爱斯信息技术股份有限公司、电信科学技术第一研究所有限公司 |
更多格式 | 高清、无水印(增值服务) |