《表2 不同特征处理方式下模型准确率对比》

  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

《基于多维缩放和随机森林的轴承故障诊断方法》

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

从表2的模型输出结果中可以看出，依据特征重要性排序的特征选择和多维缩放的降维方式对提高分类准确率均有贡献。特征选择后测试集中的分类准确率由95%提高至97.5%，再经过MDS降维准确率上升至100%。表1中3种方法下测试集的分类混淆矩阵如图11所示。0、1、2、3分别代表正常、内圈故障、外圈故障、滚子故障，对滚子故障的正确分类有助于提升分类准确率。