《表1 NRF、RF、NN在不同数据集上的RMSE》

  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

《基于神经随机森林的局部空气质量预测模型》

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

NRF模型是对原始随机森林算法的优化，为了验证NRF模型的性能，本文在UCI机器学习仓库中选取4个标准回归数据集，分别是汽车MPG数据集（auto＿mpg）、社区犯罪数据集（communities crime）、森林火灾数据集（forest fires）以及波士顿房价数据集（Boston House Price）作为样本数据集，并将样本数据按照50∶25∶25的比例分为训练集、验证集和测试集，分别在NRF模型、RF模型和NN模型中运行。这里，随机森林采用树木数量为25，最大深度为6的最优参数组合。表1展示了不同数据集在NRF、RF和NN模型上运行的均方根误差（RMSE）。