《表5 Stacking模型与各个初级学习器的效果对比》

  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Stacking模型的采空区稳定性预测》

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

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。