《表4 随机森林模型预测效果》
采用以决策树为基模型的多分类模型,通过投票表决法进行联合学习。虽然理论上加权平均投票法比简单加权平均效果更好,但现实中的数据集通常存在噪声或数据集较小的情况,与本实验采用的数据集相比,不能真实反映整个数据集的分布,求解的权重系数也不可靠,因此本实验采用简单平均投票集成单分类器,见图2。本文使用的集成学习算法包括由多棵决策树组成的梯度优化决策树(GBDT)和选择性集成及简单加权平均[21]的集成分类器,见表4。
图表编号 | XD0073028200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.15 |
作者 | 雷光裕 |
绘制单位 | 武汉工程大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |