《表2 各服务器预测误差:基于指数平滑的云服务器请求量集成预测模型》
图8与图9展示Stacking与线性回归下4种服务器的预测拟合度,其中横坐标表示待预测序列的序号,纵坐标表示真实值与预测值的拟合度。可见对于Flavor6与Flavor15服务器,Stacking模型的预测拟合程度更好,预测点较为集中并且与真实值处与相同水平上,而在Flavor9与Flavor12服务器的预测上,由于时间序列波动性更大存在了较多的异常点和偏移点,对于某一时间段上的预测值出现了偏离,预测误差也主要由这一部分产生,而对于其它预测点则能够拟合真实值。与Stacking模型相比,线性回归对与4种服务器的拟合度稍差,特别对于波动性较高的序列上,线性回归在异常点的预测上误差较高,主要是由于单一模型缺少更加稳健和强壮的特征刻画。
图表编号 | XD00122974000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.16 |
作者 | 石瑾挺、孙洁香、邬惠峰 |
绘制单位 | 杭州电子科技大学计算机学院、北京机械工业自动化研究所有限公司、杭州电子科技大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |