《表5 常见的机器学习算法准确率比较》

  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

《基于随机森林算法的断路器分合闸线圈故障电流曲线识别》

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

为了进一步的测试随机森林算法的效果，使用MATLAB的statistics and machine learning toolbox软件包中常见的算法，朴素贝叶斯算法、决策树、K近邻、支持向量机算法进行测试。这4个算法在MATLAB工具包中对应建模函数分别为naivebays、classregtree、fitcknn、fitcsvm。训练集由上述300条波形组成（正常电流曲线100条、电压异常电流波形70条、铁心间隙异常电流波形60条、铁心卡涩故障电流曲线70条），测试集由上述63条波形组成（17条正常的电流波形曲线、15条电源电压异常电流曲线、15条铁心间隙异常情况下电流曲线、16条铁心卡涩情况下电流曲线）。测试结果见表5。随机森林算法高于朴素贝叶斯、决策树、K近邻算法，略低于支持向量机算法。支持向量机算法一般在生成模型时需要对惩罚因子C和高斯核函数参数σ进行参数寻优，但是随机森林算法不需要复杂的调参过程，其优点是简单实用而且准确率较高。