《表3 BPNNW与RFW稳定性检验》

  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

《基于随机森林的耕地利用效率测度模型构建及其应用》

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

第四，权重合理性验证。从方法性质和基本原理来看，EWW仅从客观数据变化趋势和状态的角度出发，揭示各指标系列独自的数据分布结构和排序特征，而RFW和BPNNW能够反映耕地利用效率与各指标属性间的内在联系，并将这些联系以Gini指数减少值的形式表达出来，最终反映为指标权重间的差异，即两者的指标权重隐藏在分类树的内在演化规则或网络结构的映射关系之中，更符合耕地利用系统的非线性、复杂性和不确定性的特点，因此RF和BPNN权重对指标的解释力应该更强。同时，代码运行结果表明，RF进行数据挖掘的误差率集中在2.07%～7.35%，平均误差为3.19%，分类精度为89.23%，收敛时间为29.84秒，BPNN的误差率集中在5.19%～10.23%，平均误差为5.19%，分类精度为78.19%，收敛时间为43.27秒，对比之下，RF在权重确定的可解释性较强，运行精度较高，收敛速度更快，说明其权重设定对指标与测度对象间相互作用的拟合效果更好。此外，我们对权重进行十次十重交叉验证，检验BPNN和RF运行过程中权重的稳定性。由表3可知，RFW的稳定性优于BPNNW，泛化能力和稳定性较强，说明RFW更适用于指标具有时间序列特征的耕地利用效率测度。