《表5 不同算法的退票率预测精度对比》
为了验证基于贝叶斯参数优化的XGBoost算法是否较其他分类算法在铁路退票率分类预测中效果更好,本文同样以客座率较高的某线列车2018年客票数据进行验证,实验环境为Win10,64位操作系统,Intel(R)Core(TM)i7-7700HQ [email protected],内存32GB,Python3.5.1。表5为基于贝叶斯参数优化的XGBoost算法、基于穷举法的XGBoost算法、GBDT算法、SVM算法、Adaboost算法、RandomForest算法的Kappa系数验证结果。
图表编号 | XD007910300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.15 |
作者 | 王红爱 |
绘制单位 | 中国铁道科学研究院 |
更多格式 | 高清、无水印(增值服务) |