《表1 决策树和随机森林对比分析》
提示：宽带有限、当前游客访问压缩模式
样本集划分如下:训练集样本数363；测试集样本数156。随机森林和决策树的构建参数全部默认，对比的决策树分别是不剪枝和采用悲观错误剪枝，如表1所示。
| 图表编号 | XD0078685900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.15 |
| 作者 | 刘云翔、陈斌、周子宜 |
| 绘制单位 | 上海应用技术大学计算机科学与信息工程学院、上海应用技术大学计算机科学与信息工程学院、上海应用技术大学计算机科学与信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 随机森林回归模型调参前后的拟合效果对比》2021.01.20
- 《表6 随机森林模型耗时对比》2020.09.25
- 《表4 随机森林模型精度对比》2020.09.25
- 《表1 土地覆被分类体系：基于随机森林与J48决策树的面向对象方法的土地覆被分类》2021.04.08
- 《表3 实验对比结果：基于随机森林的图书采购决策模型》2020.05.15
- 《表2 数据属性：基于随机森林的图书采购决策模型》2020.05.15
- 《表1 气象数据集：基于模糊决策的随机森林算法》2020.08.16
- 《表7 决策树与随机森林模型对比》2020.02.01
- 《表1 评估指标打分表：基于决策树和层次分析的地铁车辆健康评估》2020.03.01
- 《表2 部件系统评语表：基于决策树和层次分析的地铁车辆健康评估》2020.03.01
- 《表3 决策树、随机森林以及梯度提升回归树对比》2019.12.20
- 《表1 气象数据详细信息：基于智能决策树和无线传感网的林火预警模型研究》2019.12.31
- 《表3 系统预测结果：基于智能决策树和无线传感网的林火预警模型研究》2019.12.31
- 《表1 特征集：基于随机森林决策树的行驶车辆换道行为识别》2020.02.28
- 《表1 1 决策树和随机森林的决定性影响因素(Feature Importance)比较》2019.12.01
- 《表1 0 穷举搜索（Grid Search）前后的随机森林模型效果评估对比》2019.12.01
- 《表2 仿真时隙参数设置：基于随机森林强化学习的干扰智能决策方法研究》2019.09.10
- 《表4 含有30个决策树的随机森林模型在正类和负类上的表现》2019.08.25
- 《表3 基于机器学习C5.0决策树和最大似然法的不同湿地植被分类结果精度评价》2019.05.05
- 《表1 随机森林预测结果与实际情况对比 (单位:人)》2018.12.21