《表2 SVR和XGBoost的超参数设置》
提示：宽带有限、当前游客访问压缩模式
我们采用10折交叉验证和网格搜索方法在训练集上确定最优的超参数。SVR和XGBoost的超参数优化结果见表2。根据超参数优化结果，在训练集上学习得到最终的热负荷单步预测模型。
| 图表编号 | XD0070806300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.07.15 |
| 作者 | 薛普宁、周志刚、蒋毅、陈昕、方修睦、刘京 |
| 绘制单位 | 哈尔滨工业大学建筑学院、哈尔滨工业大学寒地城乡人居环境科学与技术工业和信息化部重点实验室、哈尔滨工业大学建筑学院、哈尔滨工业大学寒地城乡人居环境科学与技术工业和信息化部重点实验室、黑龙江省计算中心、哈尔滨工业大学建筑学院、哈尔滨工业大学寒地城乡人居环境科学与技术工业和信息化部重点实验室、哈尔滨工业大学建筑学院、哈尔滨工业大学寒地城乡人居环境科学与技术工业和信息化部重点实验室、哈尔滨工业大学建筑学院、哈尔滨工业大学寒地城乡人居环境科学与技术工业和信息化部重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
