《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》

  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

《基于指数平滑的云服务器请求量集成预测模型》

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

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。