《表5 Stacking模型与各个初级学习器的效果对比》
将数据集拆分成45组训练集与15组测试集之后,对训练集进行min-max标准化处理。首先,将训练集放入4个初级学习器中训练,使用网格搜索法对各个初级学习器进行调参后,对比各个初级学习器之间的效果。然后,将数据集放入以Random Frost、Adaboost、Extra Trees和Light GBM为初级学习器、Logistic Regression为次级学习器的Stacking模型中训练,其结果列于表5中。由表5可知,Stacking模型的准确率、召回率和F1值都远高于其他4个单一机器学习模型的数值,证明Stacking模型在性能上优于其他模型。
图表编号 | XD00198220000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.31 |
作者 | 王牧帆、罗周全、于琦 |
绘制单位 | 中南大学资源与安全工程学院、中南大学资源与安全工程学院、湖南理工职业技术学院 |
更多格式 | 高清、无水印(增值服务) |