《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》

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

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。