《表4 不同模型的诊断结果》
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》
选取线性判别分析(LDA)、K近邻(KNN)、SVM、RF、GBDT这5种主流监督学习模型在经验参数下进行训练,并将测试结果与XGBoost模型进行对比,结果如表4所示。由表可见,XGBoost模型的诊断精度在6种模型中最高,并且在分类正确率较低的状态中也有很好的表现。
图表编号 | XD00192382000 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.10 |
作者 | 张又文、冯斌、陈页、廖伟涵、郭创新 |
绘制单位 | 浙江大学电气工程学院、浙江大学电气工程学院、浙江大学电气工程学院、浙江大学电气工程学院、浙江大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |