《表5 仅包括出行特征随机森林分类器混淆矩阵结果及对比》
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
《基于多源地理大数据与机器学习的地铁乘客出行目的识别方法》
本文通过对比仅包含出行特征RF分类器与同时包括出行特征与土地利用特征的RF分类器的分类精度,说明土地利用特征对于提升RF分类器训练精度的有效性,以进一步验证交通与土地利用时空间互动理论。其中仅包括出行相关特征RF分类器准确率为87.99%,低于同时包含出行特征与土地利用特征RF分类器模型91.01%的准确率;混淆矩阵如表5所示,仅包括出行特征RF分类器相较于同时包含出行特征与土地利用特征的RF分类器,在3种出行目的分类准确率上均有下降。因此可以认为,土地利用特征可以提升RF分类器分类精度,从而进一步映证了交通与土地利用时空间互动理论。
图表编号 | XD00220128200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.25 |
作者 | 赵鹏军、曹毓书 |
绘制单位 | 北京大学城市与环境学院城市规划与交通研究中心、北京大学城市与环境学院城市规划与交通研究中心 |
更多格式 | 高清、无水印(增值服务) |