《表1 不同分类模型的预测结果》

  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

《基于集成学习的股票指数预测方法》

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

本次实验选用3个分类器模型:K-NearestNeighborClassifier，GradientBoostingClassifier，AdaBoostClassifier，其中，GradientBoostingClassifier和AdaBoostClassifier是基于boosting算法的分类器，分类效果较为理想，通过for-loop对模型中的参数进行调参，得到预测精度最高的参数。对分类器都做调参优化，得到的预测结果如表1所示，3个分类器的准确度都大于0.5，所以原则上都是有效的分类器，可以作为集成学习的第一层分类器。