《表2 典型模型分类性能：基于集成学习的航空发动机故障诊断方法》

  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

《基于集成学习的航空发动机故障诊断方法》

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

经参数寻优，得到各典型模型分类性能，如表2所示。分析可知:（1）典型机器学习模型中，LR和SVM性能较差，精确率与召回率均低于0.60；RBF-SVM和NN性能相对上述两个模型有较明显提升，原因在于该故障诊断任务输入向量40维，复杂度较高，LR和SVM此类线性模型难以完成该分类任务；（2）RBF-SVM是性能最好的典型机器学习模型，精确率达到0.82，召回率达到0.79；（3）集成学习模型RF总体性能最好，精确率达到0.88，召回率达到0.86，该模型不但训练速度比同为集成学习模型的GBDT快，而且比单一机器学习模型RBF-SVM和NN更快。这体现了RF基于Bagging算法集成多个决策树的高泛化性，以及支持并行计算的高效性。