《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》
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)。
图表编号 | XD00154860200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.25 |
作者 | 林报嘉、刘晓东、杨川、尹航 |
绘制单位 | 中咨数据有限公司、中咨数据有限公司、中国地质大学(武汉)、中咨数据有限公司、中咨数据有限公司 |
更多格式 | 高清、无水印(增值服务) |