《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》

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

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。