《表5 不同模型重复训练诊断结果》
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》
为了对XGBoost的计算稳定性进行说明,连续对547个样本组成的样本集进行100次随机抽样,每次抽取20%的样本作为测试集,其余80%的样本作为训练集,利用得到的训练样本对不同模型进行训练,并对诊断结果进行统计,结果如表5所示。由表可见,基于XGBoost的变压器故障诊断模型的100次诊断平均正确率为0.917,正确率均方差为0.018;与5种主流监督学习模型相比,基于XGBoost的变压器故障诊断模型具有最高的平均正确率,并且与准确率较高的RF和GBDT模型相比正确率均方差更小,说明本文所提方法能够稳定保持高精度的计算输出。
图表编号 | XD00192382600 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) |