《表2 极值频率误差结果:基于正则化贪心森林的多维频率指标智能化预测方法》
Hz
GBTD和随机森林(random forest,RF)是Kaggle等竞赛中常见的机器学习方法,能较好地拟合非线性数据,预测精度高。然而,GBTD和RF都没有正则化机制,在处理回归问题上都存在过拟合的风险。针对过拟合问题,RGF在目标函数中引入了正则化机制,提升预测精度的同时降低过拟合风险。因此,本文将基于GBTD和RF的频率指标预测方法作为对比方法,利用相同的数据集进行测试,以验证本文所提出的方法的有效性。本文以IMAE、IMRE、IRMSE作为评价指标,对3种算法所得结果进行对比分析。fnadir、fss、RmaxoCoF的误差结果分别如表2—4所示,误差分布分别如图6—8所示。
图表编号 | XD00145762000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 黄明增、文云峰、汪荣华、胥威汀、李婷、苟竞、赵荣臻 |
绘制单位 | 湖南大学电气与信息工程学院、湖南大学电气与信息工程学院、国网四川省电力公司经济技术研究院、国网四川省电力公司经济技术研究院、国网四川省电力公司经济技术研究院、国网四川省电力公司经济技术研究院、南京南瑞继保电气有限公司 |
更多格式 | 高清、无水印(增值服务) |