《表4 算法的结果分析:基于迁移学习的电力通信网异常站点业务数量预测》
本文考虑以下几种对比实验:Target表示只用目标省份的数据进行训练;Target+Source表示将目标数据和辅助数据放在一起进行训练;Muti?TrAdaBoost表示使用本文提出的加权多源的TrAdaBoost回归算法进行训练;Muti?TrAdaBoost withoutγ表示在算法执行中不使用本文提出的误差容忍系数γ。实验结果见表4。通过实验结果可以发现:由于数据量过少,只用目标省份的数据很难训练出满意的模型;迁移学习考虑了目标领域与源领域数据分布的差别,在模型的分数上有一定的提升;容忍系数γ的引入,一定程度上解决了在回归问题中,源领域样本权重缩减太快的问题,从而提高了算法的效果。
图表编号 | XD0074244200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 杨济海、李号号、彭汐单、张智成、黄倩、李石君 |
绘制单位 | 国网江西省电力有限公司信息通信分公司、武汉大学计算机学院、国网江西省电力有限公司、南瑞集团有限公司、武汉大学计算机学院、武汉大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |