半干旱气候条件下相对湿度预测中正则化效应对机器学习模型的影响

《Scientific Reports》：Regularization effects on machine learning models for relative humidity prediction under semi-arid climate conditions

　　

摘要

< />R为0.9890，均方误差MSE为0.0016）。相比之下，由于RBF-NN模型具有局部学习特性，其对正则化参数的选择更为敏感，最优配置下的预测性能为（决定系数R为0.9603，均方误差MSE为0.0141），若参数偏离这一范围，模型容易出现过拟合或欠拟合现象。这些研究结果表明，在相同的气候条件下，SVR模型的预测稳定性优于RBF-NN模型。本研究有助于深入理解模型结构与正则化处理如何影响半干旱气候条件下的相对湿度预测。