《表4 模型训练结果：基于文本分析的高铁技术规章优化研究》

  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

《基于文本分析的高铁技术规章优化研究》

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

训练通过Grid Search CV进行网格训练和调优，其中采用80%的训练数据作为训练集，20%的数据作为测试集，最终得到最优的模型参数为：Light GBM设置树的应用类型application=multiclasss，模型使用算法boosting=gbdt，度量函数metric=multi＿logss，最大深度max＿depth=15，分类数量num＿class=18，叶子节点数num＿leaves=64，学习速率learning＿rate=0.01，随机特征设置比列feature＿fraction=0.8，重采样比例bagging＿fraction=0.9，重采样频率bagging＿freq=5，正则化系数lambda＿l1=0.6。最后在测试集上得到训练结果（见表4）。