《表7 最优参数：基于遗传算法优化XGBoost的油浸式变压器故障诊断方法》

  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

《基于遗传算法优化XGBoost的油浸式变压器故障诊断方法》

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

由于XGBoost模型的超参数对其训练学习效果有着显著的影响，因此在预训练结束后，采用GA对设定的6个超参数同时进行优化。GA参数设置如下：采用实数编码方式；种群个数为50；适应度函数为XGBoost模型诊断正确率。当遗传代数达到第6代时，适应度达到0.981并在之后保持不变。相比于初始模型，诊断正确率提升了5.4%。此时输出XGBoost模型的最优参数，如表7所示。