《表2 交叉验证准确率:基于集成学习的测井岩性识别模型的构建》
样本的每个特征属性来源于不同的测量方法,量纲有所不同,因此,本文采用Sklearn库中的StandardScaler类来进行数据的标准化和归一化操作。本文实验是在Python3.7下使用Sklearn和Pandas等库进行实现的,IDE为PyCharm professional edition。硬件环境为Intel(R)Core(TM)i5-3230M [email protected] GHz、8 GBRAM设备。本文采用3折交叉验证方法依次对朴素贝叶斯、随机森林、支持向量机三种岩性识别模型进行训练,并对本文提出的融合模型训练,不同模型的交叉验证准确率见表2。对训练后的模型在测试集上进行预测,不同模型的岩性预测结果见表3,最后对不同模型进行评估检验,结果见表4。
图表编号 | XD00149945000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 邹琪、何月顺、杨希、章权 |
绘制单位 | 东华理工大学信息工程学院、东华理工大学信息工程学院、东华理工大学信息工程学院、东华理工大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |