《表3 总体预测实验结果对比》
提取 ⇩
《基于卷积神经网络的机票低价预测》
在真实的价格数据集上实验并与基本模型进行对比,表3给出了本模型与4种对比模型进行总体预测实验时在测试集上MAE和MAPE的结果,同时也给出了模型自身只利用时间片而未加入外部因素时的实验效果.从表3中可以看到,所有对比模型中,ElasticNet的效果最差,GBR效果最好,其他两种对比模型性能相当,但是都有较大的误差.本文的模型不仅得到了最好的结果,而且相对于次好的GBR模型,MAE降低了16.61,有13.67%的性能提升,MAPE降低了1.52%.而本模型如果不加入外部因素、只利用时间片结构进行预测,实验效果比完整模型稍差但优于对比模型,可以看出外部因素对模型预测效果起到了提升作用.
图表编号 | B1666602666 |
---|---|
出版时间 | 2019.10.01 |
作者 | 林友芳、蒋鹏、郭晟楠、武志昊 |
研究主题 | 基于卷积神经网络的机票低价预测 |
出版单位 | 北京交通大学计算机与信息技术学院、民航旅客服务智能化应用技术重点实验室、北京交通大学计算机与信息技术学院、北京交通大学计算机与信息技术学院、北京交通大学计算机与信息技术学院、民航旅客服务智能化应用技术重点实验室 |
更多格式 | JPG/无水印(增值服务) |
定制格式 | Excel格式(增值服务) |
传媒
查看“表3 总体预测实验结果对比”的人还看了
-
- 表2 常用卷积神经网络总结
- 深度神经网络结构搜索综述
-
- 表4 图卷积神经网络应用领域总结表
- 图卷积神经网络综述
-
- 表1 卷积神经网络结构表
- 视频手势识别的互动演示系统的设计与实现
-
- 表1 卷积神经网络网络结构设计
- 基于卷积神经网络的风电机组轴承机械故障智能诊断方法
-
- 表2 全连接神经网络和卷积神经网络模型对比
- 基于CNN优化的手写数字识别技术研究
-
- 表2 部分卷积神经网络:深度卷积神经网络的目标检测算法综述
- 深度卷积神经网络的目标检测算法综述