《表5 使用Wrapper进行特征选择前后的分类效果》
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
《基于XGBoost算法的地下综合管廊安全状况评估方法》
表4~6分别为Filter、Wrapper、Embedded这3种不同的特征选择算法对模型效果的影响。分析表4~6可以发现,特征选择之后模型消耗的时间以及所占用的内存都明显地减少。使用Filter算法对特征进行选择之后,特征变为106维,5个模型的分类效果反而有所下降,表明Filter算法在对特征进行选择时将有用的特征识别为冗余的特征。用Wrapper算法对特征进行选择之后,特征变为112维。其中:LR模型、NC模型与RF模型的分类效果有所下降,SVM模型与XGBoost算法模型的分类效果有所提升,表明Wrapper算法删除了部分在LR模型、NC模型与RF模型模型上表现较好的特征,而这些特征会降低SVM模型与XGBoost模型的效果。Embedded算法对模型进行选择之后只剩下77个特征,模型不仅提升效果最为明显,而且资源占用也有所降低,可见使用Embedded算法进行的特征选择能够最大限度提升XGBoost模型的效果。
图表编号 | XD00163224100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.10 |
作者 | 胡联粤、岑健、许文凯、赵捷、余宗伟 |
绘制单位 | 广东技术师范大学电子与信息学院、广州市智慧建筑设备信息集成与控制重点实验室、广东技术师范大学电子与信息学院、广州市智慧建筑设备信息集成与控制重点实验室、广东技术师范大学电子与信息学院、广州市智慧建筑设备信息集成与控制重点实验室、广州晟能电子科技有限公司、广州晟能电子科技有限公司 |
更多格式 | 高清、无水印(增值服务) |