《表1 NRF、RF、NN在不同数据集上的RMSE》
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)。
图表编号 | XD00206661800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.16 |
作者 | 程蓉、钱雪忠 |
绘制单位 | 江南大学物联网工程学院物联网技术应用教育部工程研究中心、江南大学物联网工程学院物联网技术应用教育部工程研究中心 |
更多格式 | 高清、无水印(增值服务) |