《表2 各类算法结果对比》
从800份中处理过样本数据中,按通勤与非通勤在总体中的近似比例抽取650份作为训练数据,剩余150份作为测试数据。是否通勤为树的模型叶节点域,通勤为1,非通勤为-1。设定迭代次数为50,即最终生成树的个数。设置相关参数,最终训练较好的GBDT分类器在测试数据中的通勤识别正确率高达94.16%,具有很高的泛化能力。作为对比,此外采用贝叶斯算法、决策树、随机森林算法去训练分类器,用同样的数据进行训练建模和测试,其中构建GBDT分类器的效果最好,对比结果如表2。
图表编号 | XD0053653800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 翁小雄、吕攀龙 |
绘制单位 | 华南理工大学土木与交通学院、华南理工大学土木与交通学院 |
更多格式 | 高清、无水印(增值服务) |