《表3 各模型在测试集上的预测精度》

  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

《基于梯度提升回归树的冷水机组能耗预测方法》

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

为了更客观的评估GBRT模型，本文将GBRT模型预测结果与基于支持向量机回归（SVR）、决策树回归（DTR）模型的预测结果进行对比，得到各模型在测试集上的评价指标如表3所示。可以看到，GBRT模型各项评价指标均好于SVR和DTR模型，其中MAE为11.07 W，对比SVR和DTR模型平均降低了24.5%，表明GBRT模型预测误差相对最小；RMSE为最低32.70 W，平均降低45.5%，表明GBRT模型预测误差波动最小；且R2达到了0.999 7，非常接近1。综上所述，GBRT模型预测误差最小，拟合效果最佳，具有较高的预测精度。