《表5 召回率为0.135时不同模型的精确率和F1》

  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

《基于深度神经网络的多因素感知终端换机预测模型》

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

将MRPM与上述基线模型进行对比，不同模型的P-R曲线如图6所示.当所有模型的召回率设置为0.135时，不同模型的精确率和F1如表5所示.从实验结果可以看出，MRPM的P-R曲线几乎完全包围LR、SVM和XGBoost的P-R曲线，表明MRPM优于所有基线模型.在实际应用中，当所有模型的召回率均被设置为0.135时，MRPM的精确率分别比LR、SVM和XGBoost提升了88.2%、58.7%和34.3%.这是由于MRPM利用了用户通话、流量使用序列信息，其他模型只引入了用户通话、流量使用数据统计特征，无法显示建模用户行为序列的变化趋势，在一定程度上造成信息损失.