《表2 XGBoost模型与SVM模型的不确定性评价》

  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

此外，我们还对XGBoost模型和SVM模型进行了不确定性评价。模型预测得到的崩塌发生概率在0.75～1和0～0.25区间的样本有较高的可靠性，可直接确定该位置是否发生崩塌灾害，因此其占比越高反映模型预测结果的分选性越好，预测价值越大（林齐根等，2017）。从表2可以看出，XGBoost模型和SVM模型在崩塌发生概率0.75～1和0～0.25区间的预测结果变化率都非常小（标准差为0.050～0.075），表明预测结果真实可靠。并且XGBoost模型在这2个概率区间中的样本占比达到93%，其中0.75～1概率区间的样本占比高达49%，显著高于SVM模型，说明XGBoost模型的预测结果更有价值。