《表2 各类算法两两组合的分类正确率》

  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

《基于分类模型的生猪价格预测》

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

由表1可知，BP神经网络和Xgboost模型分类为跌的正确率相对较高，但是综合正确率仍然只有90%左右。按照1.3中两两组合的方式对各算法模型进行结合，结果如表2所示，使用BP＿Xgboost算法的模型分类正确率不仅高于其余2组，而且较单一模型而言，准确度也有提升。本文将各模型分类的具体值逐个比较后发现，虽然BPNN和Xgboost单模型分类成跌的正确率已经很高，但这只能说明模型分类为跌时的可信度更高，但仍然存在跌样本预测成涨的情况。采用以上组合模式，本质上是使用BPNN的结果对Xgboost进行优化。还可以将这种组合模式推广到任意两种算法的组合上。假设现有两种算法，其中算法A的综合正确率大于算法B，如果考虑存在一种极端情况，即算法B预测为涨的正确率是100%，但综合正确率只有90%。意味着当算法B预测结果为涨，则该样本一定为涨，但存在涨样本被预测成跌的情况，所以综合正确率仅为90%。那么，从理论上讲，在算法A的预测结果中，用算法B预测为涨的结果覆盖原算法A的结果。即可达到将算法A中可能将涨样本预测为跌的情况纠正过来，从而达到提高预测正确率的效果。