《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》
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。
图表编号 | XD00154860400 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) |