《表2 疲劳检测各模型10折交叉验证结果》

  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

《高铁司机行车前疲劳检测系统设计与开发》

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

继续采用SPSS第23版，运用K折交叉验证的方式，将样本随机分割为K个等样本量的子样本，重复K次拟合计算：每次使用其中任意K-1个样本拟合模型，再用剩余的1个样本计算拟合误差。将K个误差平均即为某个模型的估计误差。最终通过比较不同模型的估计误差（预测标准误差），越小证明模型拟合程度越高。本研究采用10折交叉验证，模型采用分类回归决策树，对比前面建立的综合疲劳指数模型与单一指标模型检测疲劳的拟合度。SPSS软件在“分析”下拉菜单“分类”之“决策树”中设置相应变量，将生长法选为分类回归树（CRT，Classification Regression Tree），即可输出采用决策树的K折交叉验证的拟合度，结果显示，综合疲劳指数模型拟合度最好，优于单个指标反映疲劳状态的效果。具体结果汇总，如表2所示。