《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》
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。
图表编号 | XD00173493300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.28 |
作者 | 周子东、李东伟、李国胜、汪群、陈晓路、管春雨 |
绘制单位 | 中国电建集团华东勘测设计研究院有限公司、中国电建集团华东勘测设计研究院有限公司、华能国际电力股份有限公司、华能国际电力股份有限公司、华能江苏清洁能源分公司、华能江苏清洁能源分公司 |
更多格式 | 高清、无水印(增值服务) |