《表4 基学习器权重：基于逐步回归的AdaBoost-SVR模型在海上风电项目造价预测中的应用》

  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

《基于逐步回归的AdaBoost-SVR模型在海上风电项目造价预测中的应用》

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

第1次训练结束后，计算每一组输出值的误差ε，并与设定的误差限比较，共有2组数据的误差ε超过误差限δt，因此可得到该基学习器的预测误差ε1=1/6×2=0.33，然后将预测误差ε1代入式（7）计算该学习器的权重，得到权重α1=0.347，由此得到第1个基学习器。在进行下一轮训练之前，先要对样本的权重进行更新，根据式（9）计算归一化系数Z1=0.943，然后按照式（8）计算第2次训练的样本权重，经计算对于在第1个基学习器中满足要求的样本其下一轮权重D2（m）=0.125，对于学习不满足要求的样本下一轮权重D2（m）=0.250，与第1个基学习器的权值相比，学习正确的样本权值被减小，相应错误的被放大。随后保持C值不变，参数σ加上步长1取为21，进行第2个基学习器的训练，重复上述过程。最后一共得到3个基学习器，每个学习的权重及其在最终的强学习器中所占比重如表4所示。