《表4 不同特征集下模型性能比较》

  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

《基于机器学习的建筑能耗SVM模型降阶分析与研究》

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

为了从实验的角度一步估算和评价所选的特征集是否能够达到优化状态，将其进行动态分组，并且整合成为4个其他相互独立的子集（可参见表4中的案例一至案例五）．在案例二中，选择方法二单独评价下的顶部8个特征，该操作的目的主旨在于在验证单一采取方法二是否能够在既定的条件下选择出最佳的特征集．在这种情况下，案例一忽略区内总热增益特征；案例二将选择的建筑周边室外空气密度、水管温度和建筑周边的区域平均气温换成室外相对湿度、风速和暖气出口温度；案例三将3个选定的特征动态地换成其他3个未选定的特征；案例四除了建筑周边区域内总热增益之外，所有选择的特征都用其他未选择的特征替换；案例五将两个得分最低的特征（人员数和建筑周边区域渗入量）从所选子集中动态地剔除．最终，基于以上5种方案的考虑，相应地生成4个新的数据集，同时加以训练和测试，并且对以上案例的每种情况重新训练模型，计算出不同特征集下模型性能的比较数据，计算结果见表4，其中NF为特征数，MSE（mean squared error）为均方误差法，SCC（squared correlation coefficient）为相关系数二次方法．