《表2 不同核函数的支持向量机模型预测得分》

  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

《基于支持向量机的葡萄酒质量预测》

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

从预测得分上看，使用支持向量机模型可以有效的根据当前葡萄酒的理化指标对最终成酒的质量进行预测，预测准确率最低也有83%，在实际生产中可以为管理人员对当前生产的酒质量的管理提供客观信息。对比三种核函数的预测效果，其中RBF核函数的支持向量机模型预测效果最好，除了在小训练集（160）上预测效果略差于多项式核以外其余三组数据上预测效果都是三种核函数中最好的。线性核函数的预测效果在三种核函数中最不理想，不过在模型建模时间上RBF核函数用时比其他两种核函数较长，线性核函数较短，但这个差距在大量数据下才比较明显。另外即使训练集和测试集大小比例达到160:1440即样本数量很少的情况下，三种核函数预测准确率仍高于85%，这正是支持向量机的优点之一，只需要小样本就可以进行建模。这在生产中对酒质量进行实时监控时可以根据使用较少样本实时更新模型参数提高预测效果而不会因为训练需要的样本数据太大而导致训练时间过长占用资源过多。