研究文章

开发一个综合数据情报建设成本估算模型

表3

训练数据的性能措施的人工智能模型。

R2 RMSE 日军 纳什 WI

XGBoost-RF模型
我的模型 0.76081 788890.3191 604981.6715 0.99102 0.75994 0.93074
模型二世 0.70272 879643.0411 589663.4386 0.63845 0.70154 0.90834
模型3 0.91381 472714.8598 339706.5592 0.43244 0.91381 0.97704
模型四世 0.92352 446670.1333 328896.3663 0.44469 0.92304 0.97921
V模型 0.96647 323123.8558 208083.017 0.36537 0.95973 0.98879
模型六世 0.93993 394961.8018 274148.5711 0.41215 0.95603 0.98446
模型七世 0.90717 495125.5653 337773.447 0.43415 0.90544 0.97555

XGBoost-ANN模型
我的模型 0.69691 860530.7166 839959.9524 0.77566 0.61666 0.83414
模型二世 0.88621 582676.712 290912.5011 0.26372 0.86904 0.96865
模型3 0.95504 341388.8802 224162.0108 0.37779 0.95505 0.98838
模型四世 0.95569 338911.6945 214402.0251 0.40876 0.95569 0.98856
V模型 0.97551 253464.6776 151999.7328 0.40876 0.97522 0.99376
模型六世 0.95603 337627.8199 226863.17 0.41546 0.71921 0.91102
模型七世 0.70773 1108463.447 872191.1237 0.95867 0.52607 0.75929

XGBoost-SVM模型
我的模型 0.71722 838810.8081 666081.6149 0.63946 0.71436 0.91413
模型二世 0.89679 527105.4427 333897.5918 0.40414 0.89283 0.97276
模型3 0.80479 717164.8809 466107.817 0.64501 0.80161 0.93934
模型四世 0.80151 735499.0773 491505.0568 0.65881 0.79134 0.93388
V模型 0.8031 715627.4657 451267.6691 0.53051 0.80246 0.94242
模型六世 0.72157 853201.115 542534.255 0.60776 0.79545 0.93821
模型七世 0.80124 727702.5318 450836.0521 0.54879 0.79574 0.93678