《表1 随机森林和XGBoost预测误差》
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。
图表编号 | XD00168413500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 张杉基 |
绘制单位 | 兰州交通大学交通运输学院 |
更多格式 | 高清、无水印(增值服务) |