《表7 随机森林最优超参数》
提示：宽带有限、当前游客访问压缩模式
随机森林中超参数比较少，因此使用网格搜索法调参，得到最优的超参数如表7所示。
| 图表编号 | XD00172807700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.05.10 |
| 作者 | 陈诗沁、王洪伟 |
| 绘制单位 | 同济大学经济与管理学院、同济大学经济与管理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 随机森林模型参数设置》2020.07.01
- 《表2 最优超参数设置：基于随机权神经网络集成模型的实时遥测数据处理》2020.06.25
- 《表3 基于最优尺度分割和随机森林模型分类结果的混淆矩阵和精度评价》2020.07.25
- 《表7 随机森林分类结果准确率比较》2020.06.15
- 《表7 决策树与随机森林模型对比》2020.02.01
- 《表7 基于随机森林方法降维前后分类精度对比》2020.03.01
- 《表2 基于随机森林筛选的最优最小特征子集》2020.01.06
- 《表1 随机森林算法相关参数》2019.12.25
- 《表7 随机森林与LSTM的实验结果对比》2019.09.01
- 《表7 分类精度对比：基于随机森林的绿洲典型湿地信息提取》2019.06.15
- 《表7 ZG111随机森林模型测试集预测结果》2019.08.01
- 《表3 随机森林参数设置》2019.07.13
- 《表7 语法特征表：基于随机森林算法的对外汉语文本可读性评估》2019.07.10
- 《表7 随机森林算法精度评价混淆矩阵》2019.05.25
- 《表7 随机森林不同数据集变量重要性程度度量》2019.07.01
- 《表5 模型最优参数：基于LDA和随机森林的微博谣言识别研究——以2016年雾霾谣言为例》2019.01.24
- 《表4 随机森林关键参数设置》2019.01.25
- 《表2 SA-LDM处理各个数据集的最优超参数k》2019.01.15
- 《表7 随机森林建模预测细节分析》2019.01.05
- 《表4 随机森林训练参数设置》2018.12.01