Page 259 - 《软件学报》2021年第10期
P. 259
李豁然 等:基于细粒度数据的智能手机续航时间预测模型 3231
结果显示,F12 可以得到目前为止单组特征的最好效果.均方根误差降至 121.4 分钟,Kendall’s Tau 和
Concordance Index 分别提升至 0.739 2 和 0.922 4.
可见,细粒度的耗电速率信息对于预测效果的提升是十分显著的.
在尝试单组特征的效果后,本文进一步将全部会话特征作为输入,观察预测效果,结果见表 5.
Table 5 Performance of session features
表 5 实验结果:会话特征
模型
特征 评价指标 最佳结果
Linear GBRT RF XGB
均方根误差 147.7 147.2 151.3 147.3 147.2
F0,F5 Kendall’s Tau 0.589 0 0.600 1 0.559 0 0.600 2 0.600 2
Concordance Index 0.868 7 0.870 6 0.851 5 0.870 7 0.870 7
均方根误差 146.7 147.6 158.8 147.9 146.7
F0,F6 Kendall’s Tau 0.597 9 0.603 1 0.566 3 0.603 6 0.603 6
Concordance Index 0.872 3 0.873 9 0.854 3 0.873 9 0.873 9
均方根误差 148.4 148.6 153.6 150.1 148.4
F0,F7 Kendall’s Tau 0.569 6 0.574 7 0.560 1 0.574 3 0.574 7
Concordance Index 0.864 7 0.865 6 0.858 6 0.865 6 0.865 6
均方根误差 144.9 143.5 158.3 144.9 143.5
F0,F8 Kendall’s Tau 0.608 8 0.613 2 0.528 0 0.613 4 0.613 4
Concordance Index 0.874 6 0.876 0 0.838 2 0.876 1 0.876 1
均方根误差 149.0 142.7 152.5 142.9 142.7
F0,F9 Kendall’s Tau 0.569 0 0.603 1 0.553 4 0.603 1 0.603 1
Concordance Index 0.865 6 0.879 0 0.857 0 0.879 1 0.879 1
均方根误差 140.4 128.9 139.7 129.1 128.9
F0,F10 Kendall’s Tau 0.611 0 0.705 5 0.657 6 0.705 6 0.705 6
Concordance Index 0.879 7 0.910 4 0.891 2 0.910 5 0.910 5
均方根误差 140.5 129.7 141.6 129.9 129.7
F0,F11 Kendall’s Tau 0.609 1 0.691 4 0.640 9 0.691 9 0.691 9
Concordance Index 0.879 0 0.903 6 0.883 1 0.903 8 0.903 8
均方根误差 143.7 121.4 131.3 121.8 121.4
F0,F12 Kendall’s Tau 0.641 1 0.739 2 0.716 3 0.738 3 0.739 2
Concordance Index 0.887 5 0.922 4 0.914 0 0.922 2 0.9224
均方根误差 148.7 145.0 152.1 146.4 145.0
F0,F13 Kendall’s Tau 0.580 5 0.600 9 0.532 7 0.599 6 0.600 9
Concordance Index 0.868 1 0.875 6 0.849 1 0.874 9 0.875 6
均方根误差 147.0 141.4 149.6 141.5 141.4
F0,F14 Kendall’s Tau 0.588 3 0.608 7 0.551 9 0.609 1 0.609 1
Concordance Index 0.870 2 0.876 5 0.852 7 0.877 1 0.877 1
均方根误差 144.7 143.7 149.7 144.8 143.7
F0,F15 Kendall’s Tau 0.595 5 0.607 6 0.566 8 0.606 3 0.607 6
Concordance Index 0.871 9 0.876 2 0.858 4 0.876 1 0.876 2
均方根误差 145.7 141.9 150.3 141.4 141.4
F0,F16 Kendall’s Tau 0.602 4 0.614 4 0.577 2 0.616 0 0.616 0
Concordance Index 0.874 3 0.879 2 0.863 1 0.879 7 0.879 7
均方根误差 148.4 146.6 152.3 146.5 146.5
F0,F17 Kendall’s Tau 0.592 8 0.593 2 0.540 6 0.592 6 0.593 2
Concordance Index 0.871 8 0.873 7 0.851 4 0.873 7 0.873 7
均方根误差 149.4 143.3 147.0 143.8 143.3
F0,F18 Kendall’s Tau 0.601 2 0.607 1 0.575 7 0.609 3 0.609 3
Concordance Index 0.873 0 0.876 3 0.861 3 0.877 0 0.877 0
均方根误差 140.4 121.8 127.3 121.5 121.5
F0,F10~F12 Kendall’s Tau 0.652 6 0.739 8 0.729 6 0.739 3 0.739 8
Concordance Index 0.892 0 0.921 9 0.917 2 0.921 9 0.921 9
均方根误差 131.1 114.8 121.4 115.0 114.8
F0,F5~F18 Kendall’s Tau 0.665 7 0.736 8 0.727 4 0.740 7 0.740 7
Concordance Index 0.895 1 0.921 3 0.917 7 0.922 4 0.922 4
本文首先将最有效的 3 组特征(F10~F12)加以组合,发现效果与仅使用 F12 差别不大.这说明 F12 已经足够
表示电池的耗电特征,F10 和 F11 能够进一步提供的帮助比较有限.然后,本文尝试将 F5~F18 整体使用.相比于