《表3 两种模型预测结果对比》
为对比分析随机森林算法模型性能,用相同数据样本建立支持向量机(SVM)预测模型。支持向量机模型核函数采用高斯函数,通过网格搜索寻优的方法获得模型最优的惩罚系数C、核参数γ、回归参数ε,支持向量机模型与随机森林算法模型预测结果的对比分别见表3和图4。从预测结果可知,两种模型均取得了满意的预测结果,在测试集上随机森林算法模型预测得分0.997,而支持向量机模型得分为0.987,说明随机森林算法的预测精度更高,泛化能力更强。另外,在训练时间上,支持向量机参数寻优步骤导致模型训练花费时间较长,整个参数优化过程时间比随机森林算法的多几倍。综合对比在模型设计及参数调试中的体验,随机森林算法模型综合能力更优异,操作更简单,更适合解决实际发动机振动预测问题。
图表编号 | XD00169012600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 王孝军、刘德虎 |
绘制单位 | 中国航发四川燃气涡轮研究院、中国航发四川燃气涡轮研究院 |
更多格式 | 高清、无水印(增值服务) |