《表4 ANN-RBF、RF和IRF模型性能评价》

  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

《基于改进随机森林算法的通榆河水生态健康状况评价研究》

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

d.IRF模型的训练及精度检验。利用训练样本和检验样本对ANN-RBF、RF和IRF模型分别进行训练，以平均相对误差绝对值（AREA）、最大相对误差绝对值（MREA）和运行时间（RT）作为评价3个模型效果的性能指标，分别让3个模型行进100次，选取各个性能指标进行对比，其中运行时间为模型进行100次计算所消耗的CPU运算时间（每个模型采用相同的CPU数目）。为了达到最好的模型性能，需要进行各自模型参数的设置。影响随机森林的模型参数主要有：（1）决策树棵数数目；（2）分裂特征个数。而影响ANN-RBF模型的参数有：（1）径向基函数分布密度；（2）期望误差。为了使得各自的模型性能达到最优值，采用网格搜索法，经反复测试，对于RF和IRF模型，设置决策树棵数均为1000，分裂特征集中的特征个数为输入特征的总维数的算数平方根。对于ANN-RBF模型，设置径向基函数分布密度和期望误差分别为2和1/1000。通过3个模型的运行计算，将其性能指标进行对比，见表4。