《表2 训练集预测鉴别：基于电子鼻气味指纹图谱与XGBoost算法鉴别姜黄属中药》

  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

《基于电子鼻气味指纹图谱与XGBoost算法鉴别姜黄属中药》

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

姜黄属4味中药的气味指纹图谱由12根传感器120 s数据组成（图1），为省去繁琐的数据处理工作，选择每根传感器的最大响应值建立XGBoost判别模型。实验中，共采集到235组气味信息数据，从中随机选取21组莪术、25组姜黄、18组片姜黄、102组郁金气味信息数据用于模型的训练，剩余69组用于训练好的模型测试（表2）。XGBoost算法经Python 2.7实现，采用网格搜索方法最终寻找到的最优参数为:树数量为400、学习率为0.01、最大分裂深度为5、一阶正则项系数为0.3、二阶正则项系数为0.4、损失函数为交叉熵损失函数。训练集中仅将1组姜黄误判为片姜黄，平均正确率高达99.39%。由训练好的XGBoost模型用于姜黄属中药气味信息识别（图2）。