《表1 部分特征向量贡献率》

  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KPCA-粒子群随机森林算法的舆情趋势预测研究》

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

为了揭示出各个微博特征对舆情发展变化的作用，通过计算确定各个特征对舆情趋势的信息增益值，留下作用较为明显的特征；这样分类学习算法就能够仅关注携带最多预测信息的那部分特征，使模型在有效性方面具有更好的表现。本实验数据的16个特征值里，保留了反映舆情趋势和富含预测价值的12个主要特征展开KPCA主成分分析，从而实现特征向量的降维处理。根据核主成分分析结果，如表1所示确定了贡献率排名前四的分量。这里面，分量1的贡献率高于90%，达到了94.49%，基于贡献率超过85%为合适的原则，选择贡献率排名第一的分量为预测实验依据。