《表3 最优预测退票率的计算结果》

  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

《基于XGBoost算法的铁路旅客退票率预测研究》

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

根据实际业务需求，将误差范围设定为[-5%，5%]，取客座率较高的某线列车2017年客票数据，拟合误差区间的样本数量。因为业务特点，不会出现整年售出车票大部分被退票的现象，故区间[85，100]数据密度较低，该区间拟合函数特征不太明显，其他区间二次曲线特征明显。样本密度较高的[25%，40%）区间的拟合曲线见图1，最优预测退票率的计算结果见表3。