《表8 基于机器学习模型预测评价指标》
提示：宽带有限、当前游客访问压缩模式
从表8中可知，在进行不同时间段分类后的模型拟合效果均优于未进行分类的模型总体拟合效果，表明运用DBSCAN算法进行机场运行时间分类可进一步提高模型的准确率。
| 图表编号 | XD00190750900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.03.01 |
| 作者 | 李楠、焦庆宇、张连东、樊瑞 |
| 绘制单位 | 中国民航大学空中交通管理学院、中国民航大学空中交通管理学院、南京航空航天大学民航学院、中国民航大学空中交通管理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 行程时间预测误差：基于参与式机器学习方法的行程时间动态预测模型》2021.02.01
- 《表2 化学成分表：基于机器学习的列车设备故障预测模型研究》2020.12.01
- 《表1 换热器设备：基于机器学习的列车设备故障预测模型研究》2020.12.01
- 《表4 模型评价指标：基于深度学习的综合能源配电系统负荷分析预测》2021.01.31
- 《表7 11:00—13:00时段机器学习回归模型预测评价指标》2021.03.01
- 《表3 机器学习模型预测结果评价》2020.07.25
- 《表1 原始数据实例：基于机器学习的燃煤元素碳含量预测模型研究》2020.05.15
- 《表2 变量量化方法：基于机器学习的网络评论信息有用性预测模型研究》2019.12.01
- 《表9 决策树训练结果：基于机器学习的股票超额收益预测模型》2019.09.20
- 《表7 逻辑回归训练结果：基于机器学习的股票超额收益预测模型》2019.09.20
- 《表1 因子基本分类：基于机器学习的股票超额收益预测模型》2019.09.20
- 《表1 因子基本分类：基于机器学习的股票超额收益预测模型》2019.09.20
- 《表6 混淆矩阵：基于机器学习的股票超额收益预测模型》2019.09.20
- 《表2 模型结果精度：基于图机器学习的分布式光伏发电预测》2019.11.05
- 《表7 模型预测评估：基于机器学习的中文MOOC教育学员流失预测研究》2019.06.05
- 《表1 初选指标：基于机器学习的股票分析与预测模型研究》2019.02.01
- 《表3 引证专利数量分布：基于机器学习模型的专利质量预测初探》2019.04.24
- 《表2 特征变量统计描述：基于机器学习模型的专利质量预测初探》2019.04.24
- 《表5 特征变量相关性：基于机器学习模型的专利质量预测初探》2019.04.24
- 《表8 参数权重：基于关联分析与机器学习的配网台区重过载预测方法》2018.01.15