《表2 6折交叉验证结果：Gradient Boosting算法在典型浅埋煤层液压支架选型中的应用》

  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

《Gradient Boosting算法在典型浅埋煤层液压支架选型中的应用》

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

由图2可知，DTR和SVR的拟合趋势较好，偏差相对较小；LR和EN误差相对较大，原因可能是因为用于训练的数据集较少；LR-GBRT预测模型对数据预测效果最好，拟合度高，更适用于小样本数据情况；6折交叉验证结果见表2。表2结合不同评价指标描述了上述预测模型在测试集上的支架阻力预测性能。对比模型交叉验证结果可知，LR-GBRT的可解释变异和拟合度相较于其它4个模型的值最接近1，均方误差和平均绝对误差的值相较于其它4个模型值最小。LR-GBRT模型表现最优，体现了LR-GBRT回归模型在预测液压支架阻力上具有较好的预测精度。由此也可看出，支架阻力同各影响因素支架具有复杂的非线性关系特点。