《表7 参数组合情况：一种基于Gradient Boosting的公交车运行时长预测方法》

  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

《一种基于Gradient Boosting的公交车运行时长预测方法》

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

首先对比了4种情况下模型的误差率，表7中列出了GBDT算法中的各项参数。其中，loss表示采用的损失函数（huber表示Huber损失，ls表示均方差，lad表示绝对损失，quantile表示分位数损失），learning＿rate表示模型的学习率，n＿estimators表示学习器最大的迭代次数，subsample表示控制模型子采样的比例，alpha表示需要指定分位数的值。