《表1 随机森林和XGBoost预测误差》

  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的城市轨道交通短时客流预测》

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

通过使用机器学习中评价模型常用的平均绝对误差（MAE）、均方根误差（RMSE）与平均绝对百分比误差（MAPE）作为随机森林模型和XGBoost模型的性能评价指标，对火车东站以5min和10min为时间间隔的进站客流预测结果进行评价，如表1所示，XGBoost预测模型在平均绝对误差、均方根误差和平均绝对百分比误差方面均优于随机森林模型。并且以10min为时间间隔的进站客流预测效果好于5min为时间间隔的预测结果，而且各个模型的平均绝对百分比误差都小于13%，说明模型具有很好的可行性。