《表2 不同属性集的决策树训练结果》

  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

《基于分类回归树算法的在线静态电压稳定裕度评估》

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

本文选用经过模态分析和相关系数分析筛选的106个属性训练决策树，训练结果与仅经过模态分析筛选的200个属性训练所得的决策树进行对比，如表2所示。由于只有一个属性与电网运行状态类别的相关系数为0，其余的均不为0，表明这些属性与类别是相关的，虽然由相关系数筛选掉的属性与类别相关性较弱，但对于分类过程起到积极的作用，所以106个属性训练出的决策树正确率略低于200个属性训练的决策树。但其建模时间约为200个属性建模时间的0.57倍，缩短了3.64 s。节省了建模时间，提高了决策效率。同时，随机选取了106个属性进行决策树的训练，其建模时间为4.95 s，正确率为97.281%，经过相关系数筛选的属性集，能够提高决策树的分类正确率。