《表2 超参数信息：基于电子鼻与LightGBM算法判别葡萄酒品种的研究》

  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

《基于电子鼻与LightGBM算法判别葡萄酒品种的研究》

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

试验中，共采用到2 100(7种品种×100瓶×3次平行试验）组葡萄酒的气味信息数据，每组数据具有30(10个传感器×3个特征值）维特征。LightGBM算法经Python2.7实现，采用TPE超参数寻优算法对模型超参数进行选择，其中参数表述、取值范围、最终取值情况由表2所示。采用5折交叉验证方法进行判别准确性评估，将2 100组资料分为5个子集，每次轮流挑选1个子集（420组）资料作为验证，剩下的4个子集（1 680组）数据作为训练资料，最后将5次的资料辨别率取平均作为整体的辨别率。