《表1 模型预测结果：基于随机森林算法的地表下沉系数预测研究》
提示：宽带有限、当前游客访问压缩模式
本次试验数据来源文献[3]表1数据，与原文献一样，前34组数据作为训练数据，后6组数据用于预测，以此检验模型的性能。
| 图表编号 | XD0027029200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.08.01 |
| 作者 | 彭杰帅、宋文杰、邓仁贵 |
| 绘制单位 | 湖南南方水利水电勘测设计院有限公司、湖南省水利水电科学研究院、湖南省水利水电科学研究院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 预测结果对比：基于随机森林算法的边坡稳定性预测》2020.12.25
- 《表4 腧穴属性表：基于改进随机森林算法的LBSN用户短期位置预测模型》2019.11.01
- 《表3 回归结果二：基于改进随机森林算法的LBSN用户短期位置预测模型》2019.11.01
- 《表2 人员信息表：基于改进随机森林算法的LBSN用户短期位置预测模型》2019.11.01
- 《表1 数据信息表：基于改进随机森林算法的LBSN用户短期位置预测模型》2019.11.01
- 《表4 呈现对话过程：基于随机森林的带宽预测算法研究与实现》2020.07.16
- 《表1 原料化学组成：基于随机森林的带宽预测算法研究与实现》2020.07.16
- 《表3 控制变量：基于随机森林的带宽预测算法研究与实现》2020.07.16
- 《表2 退药类别：基于随机森林的带宽预测算法研究与实现》2020.07.16
- 《表2 各预测算法比较：基于随机森林算法的95598投诉预测方法研究》2020.04.25
- 《表1 数据集特征列表：基于K近邻-随机森林集成算法的肝病预测研究》2020.05.01
- 《表1 数据集特征列表：基于K近邻-随机森林集成算法的肝病预测研究》2020.05.01
- 《表3 预测模型误差对比：基于配电物联网技术和并行随机森林算法的日前V2G功率容量预测》2020.07.20
- 《表5 模型误判率均值：居民客户电费回收风险的预测研究——基于随机森林算法》2019.12.20
- 《表8 交叉验证表：居民客户电费回收风险的预测研究——基于随机森林算法》2019.12.20
- 《表6 混淆矩阵：居民客户电费回收风险的预测研究——基于随机森林算法》2019.12.20
- 《表1 库表字段：居民客户电费回收风险的预测研究——基于随机森林算法》2019.12.20
- 《表1 预测结果对照：基于随机森林算法的粮堆机械通风温度预测及控制研究》2019.10.20
- 《表1 模型评价表：基于随机森林回归算法预测孔隙度的研究》2019.11.15
- 《表1 模型输入变量：基于多元协变量和随机森林算法的宁夏用电量预测》2019.02.25