《表2 DF、SVM和DNN的实验预测正确率和weighted-F1比较》

  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

《基于深度森林的高铁站室内热舒适度等级预测》

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

2）算法性能。三种算法的预测平均正确率和平均weighted-F1见图4(b）、4(c）及表2。由测试结果可知，12个数据集中，DF的预测正确率和weighted-F1均优于DNN和SVM。其中，DF模型的最高正确率达到99.76%，最低正确率为98.11%。DF模型在D10和D11两个数据集的正确率超过99.7%，在D4、D10和D11三个数据集中的F1值均超过99.6%。此外，DF模型的预测正确率和weighted-F1值排名在所有数据集中均稳定第一，DNN的预测正确率和weighted-F1值介于DF和SVM之间。