《表1 XGBoost模型与SVM模型主要评估参数》

  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

《XGBoost机器学习模型与GIS技术结合的公路崩塌灾害易发性研究》

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

如表1所示，对SVM模型来说，训练集中非崩塌的精确度为0.92、召回率为0.81、F1值为0.86，崩塌的精确度为0.82、召回率为0.93、F1值为0.87；验证集中非崩塌的精确度为0.84、召回率为0.76、F1值为0.79，崩塌的精确度为0.78、召回率为0.85、F1值为0.81。对XGBoost模型来说，训练集中非崩塌和崩塌的精确度、召回率和F1值均为1；验证集中非崩塌的精确度为0.87、召回率为0.81、F1值为0.84，崩塌的精确度为0.82、召回率为0.87、F1值为0.85。XGBoost模型对崩塌灾害预测的评价指标要略优于SVM模型（召回率，0.87>0.85；F1值，0.85>0.81）。