《表3 误差比较：基于随机森林-支持向量机隧道盾构引起建筑物沉降研究》

  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

《基于随机森林-支持向量机隧道盾构引起建筑物沉降研究》

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

为了检验基于随机森林的支持向量机模型（RF-SVM）的优越性，选择未进行特征选择的支持向量机以及人工神经网络进行建模并做对比分析，选用式（10）均方根误差RMSE和式（11）拟合优度R2来衡量模型的预测精度。R2是由统计模型解释的数据集中的可变性的比例，它提供了一种衡量模型对未来结果可能有多好的预测的指标。R2的范围在0～1之间，越靠近1表示观测数据越精确。RMSE值是估计量预测值与实际观测值之间的个体差异的总和。RMSE的值等于或大于0，越接近0表示观测数据在统计上越完美。得到误差结果对比如表3所示。