《表2 变量的重要性排序：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

直接选用上述16个影响因素建立预测模型容易产生过拟合现象，因此，需要先对影响因素进行筛选，剔除冗余变量，优选出新的影响因素集用于支持向量机建模。本文在参考大量文献基础上，最终创新性地使用随机森林算法对变量进行筛选，找出最优的变量组合以提高模型的预测精度。先将全部数据样本划分成容量为320的训练数据集和容量为80的测试数据集两部分。然后，利用R软件中Random Forest程序包来实现随机森林算法中的必要计算，从而对训练集中的影响因素进行特征选择。根据式（9）计算得到训练集中各指标的重要性，并将不同变量的重要性降序排列，其排列分布如表2所示。并据此将最不重要的变量特征逐次从现有的特征集中剔除，从而得到多组训练子集，计算每组训练子集的OBB误差率，选择误差最小的特征集作为备选特征变量集。