《表5 训练集大小的影响：基于深度学习的航班延误预测方法》

  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

《基于深度学习的航班延误预测方法》

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

在动态构建训练集时，根据实际起飞时间顺序将最新航班数据构成的数据子集加入训练集以构造新的训练集，这时加入训练集中数据子集大小对于模型学习最新航班数据特征的效果十分重要。对于数据子集大小l，过大的l会导致模型更新缓慢，不利于模型预测的及时性，同时可能导致模型在最新的数据子集上过拟合。图3（b）展示了基于不同l的模型预测准确率曲线。可见，当l<5 200时，由于新输入数据子集过小，无法有效更新模型，从而导致预测准确度曲线发生波动；当l>5 200时，由于模型在数据子集上过拟合导致模型泛化能力降低。