《表5 改进的随机森林模型精度》
提示：宽带有限、当前游客访问压缩模式
进一步判断模型整体的精确度，将正负灰色投影值与总分相结合，形成综合评价机制，可知模型对于测试集的预测正确率达到90.91%，精度较高，具体结果如表5所示:
| 图表编号 | XD009789200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.12.20 |
| 作者 | 魏建国、田德琥、魏培 |
| 绘制单位 | 武汉理工大学经济学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 腧穴属性表：基于改进随机森林算法的LBSN用户短期位置预测模型》2019.11.01
- 《表3 回归结果二：基于改进随机森林算法的LBSN用户短期位置预测模型》2019.11.01
- 《表2 人员信息表：基于改进随机森林算法的LBSN用户短期位置预测模型》2019.11.01
- 《表1 数据信息表：基于改进随机森林算法的LBSN用户短期位置预测模型》2019.11.01
- 《表3 基于改进RFM模型随机森林重要性检测结果》2021.01.01
- 《表2 模型评估指标对比：基于改进随机森林算法的风电机组齿轮箱故障预警方法研究》2020.12.01
- 《表4 随机森林模型精度对比》2020.09.25
- 《表5 改进的随机森林模型诊断结果》2020.07.01
- 《表3 隐含层节点选择表：基于随机森林与改进极限学习机的PM2.5浓度模型》2020.06.01
- 《表4 模型误差对比表：基于随机森林与改进极限学习机的PM2.5浓度模型》2020.06.01
- 《表2 激活函数选择表：基于随机森林与改进极限学习机的PM2.5浓度模型》2020.06.01
- 《表1 特征选择表：基于随机森林与改进极限学习机的PM2.5浓度模型》2020.06.01
- 《表4 模型精度对比：基于随机森林回归方法的水稻产量遥感估算》2020.06.01
- 《表2 各簇随机森林模型的预测精度与袋外分数》2020.06.01
- 《表5 不同季节O3-8hmax预测的随机森林主模型模拟精度》2019.11.20
- 《表3 基于最优尺度分割和随机森林模型分类结果的混淆矩阵和精度评价》2020.07.25
- 《表2 模型精度评价：基于随机森林与地统计预测城市土壤PAHs分布》2019.12.20
- 《表5：随机森林在不同基准下的预测精度》2019.08.25
- 《表5 分类精度统计：基于随机森林的绿洲典型湿地信息提取》2019.06.15
- 《表5 样本量对随机森林模型训练精度的影响》2019.08.01