《表2 模型精度评价：基于随机森林与地统计预测城市土壤PAHs分布》

  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

《基于随机森林与地统计预测城市土壤PAHs分布》

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

观察模型评价的4个指标（表2），从ME和R2数值上看随机森林模型显示出最好的预测精度；而MAE和RMSE在数值上显示RFerr+K模型是最好的预测模型.ME表示预测结果随机误差的平均值，由于随机森林模型在预测低值区和高值区时存在系统性偏差，即存在低值区被高估和高值区被低估的现象.对于南京地区来说当土壤多环芳烃均值为750μg/kg[32]，环境变量对其无法进一步精确区分；当高值大于4800μg/kg时，受样点数影响，机器学习效果较差（图4b）.因此ME不能说明随机森林模型比RFerr+K模型精度更高.R2是预测值回归平方和与总离差平方和之比，反映了自变量对因变量的解释程度，R2接近于1，观察点在回归直线附近越密集.由于随机森林模型在PAHs含量中值区预测效果很好，因此R2较高.但是随机森林在低值区和高值区预测存在偏向相反的系统性误差，虽然整体上R2显示回归拟合较好，但是不能认定其精度更高，还需要结合样点总体空间分布预测精度进行判断.