《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》
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。
图表编号 | XD00108945000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 刘飞、凌洪军、路广宽 |
绘制单位 | 江苏省建湖县沿河水利管理服务站、江苏省建湖县水利局、江苏省建湖县通榆河管理所 |
更多格式 | 高清、无水印(增值服务) |