《表5 不同算法的退票率预测精度对比》

  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

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。