油田生产数据选取进展22.3.12 观察实验
未进行去噪处理
原数据按照时间排序
| fold | train loss | valid loss | AccuracyF | precisionFn | recallFn | f1-score |
|---|---|---|---|---|---|---|
| fold 1 | 0.002866 | 0.035296 | 92.29 | 51.39 | 90.24 | 65.49 |
| fold 2 | 0.002113 | 0.005586 | 98.62 | 100.00 | 91.46 | 95.54 |
| fold 3 | 0.002704 | 0.006520 | 98.62 | 100.00 | 93.81 | 96.80 |
| fold 4 | 0.002653 | 0.011558 | 96.05 | 98.12 | 90.23 | 94.01 |
| fold 5 | 0.002135 | 0.005831 | 97.83 | 91.04 | 92.42 | 91.73 |
********** fold 1 **********
train_loss:0.002866 train_acc:99.4071
valid loss:0.035296 valid_acc:92.2925
AccuracyF 92.29 posLabel 14.23
precisionF 51.39 recallF 90.24 f1score 65.49
********** fold 2 **********
train_loss:0.002113 train_acc:99.6542
valid loss:0.005586 valid_acc:98.6166
AccuracyF 98.62 posLabel 14.82
precisionF 100.00 recallF 91.46 f1score 95.54
********** fold 3 **********
train_loss:0.002704 train_acc:99.4071
valid loss:0.006520 valid_acc:98.6166
AccuracyF 98.62 posLabel 20.95
precisionF 100.00 recallF 93.81 f1score 96.80
********** fold 4 **********
train_loss:0.002653 train_acc:99.3577
valid loss:0.011558 valid_acc:96.0474
AccuracyF 96.05 posLabel 31.62
precisionF 98.12 recallF 90.23 f1score 94.01
********** fold 5 **********
train_loss:0.002135 train_acc:99.7530
valid loss:0.005831 valid_acc:97.8261
AccuracyF 97.83 posLabel 13.24
precisionF 91.04 recallF 92.42 f1score 91.73
剔除f1-score变化最大的第一部分数据：
| fold | train loss | valid loss | AccuracyF | precisionFn | recallFn | f1-score |
|---|---|---|---|---|---|---|
| fold 1 | 0.003632 | 0.036504 | 96.84 | 94.59 | 85.37 | 89.74 |
| fold 2 | 0.002111 | 0.007875 | 97.63 | 98.10 | 91.15 | 94.50 |
| fold 3 | 0.001736 | 0.007074 | 98.62 | 98.27 | 97.70 | 97.98 |
| fold 4 | 0.002340 | 0.008007 | 97.83 | 92.31 | 90.91 | 91.60 |
********** fold 1 **********
train_loss:0.003632 train_acc:99.5389
valid loss:0.036504 valid_acc:96.8379
AccuracyF 96.84 posLabel 14.62
precisionF 94.59 recallF 85.37 f1score 89.74
********** fold 2 **********
train_loss:0.002111 train_acc:99.8024
valid loss:0.007875 valid_acc:97.6285
AccuracyF 97.63 posLabel 20.75
precisionF 98.10 recallF 91.15 f1score 94.50
********** fold 3 **********
train_loss:0.001736 train_acc:99.8682
valid loss:0.007074 valid_acc:98.6166
AccuracyF 98.62 posLabel 34.19
precisionF 98.27 recallF 97.70 f1score 97.98
********** fold 4 **********
train_loss:0.002340 train_acc:99.8682
valid loss:0.008007 valid_acc:97.8261
AccuracyF 97.83 posLabel 12.85
precisionF 92.31 recallF 90.91 f1score 91.60
| fold | train loss | valid loss | AccuracyF | precisionFn | recallFn | f1-score |
|---|---|---|---|---|---|---|
| fold 1 | 0.004499 | 0.029143 | 94.94 | 83.33 | 89.29 | 86.21 |
| fold 2 | 0.002107 | 0.009347 | 96.84 | 98.98 | 91.51 | 95.10 |
| fold 3 | 0.003310 | 0.010244 | 97.79 | 93.55 | 91.58 | 92.55 |
********** fold 1 **********
train_loss:0.004499 train_acc:99.2101
valid loss:0.029143 valid_acc:94.9447
AccuracyF 94.94 posLabel 18.96
precisionF 83.33 recallF 89.29 f1score 86.21
********** fold 2 **********
train_loss:0.002107 train_acc:99.6840
valid loss:0.009347 valid_acc:96.8404
AccuracyF 96.84 posLabel 30.96
precisionF 98.98 recallF 91.51 f1score 95.10
********** fold 3 **********
train_loss:0.003310 train_acc:99.6051
valid loss:0.010244 valid_acc:97.7883
AccuracyF 97.79 posLabel 14.69
precisionF 93.55 recallF 91.58 f1score 92.55
去掉第一部分数据、以及提取信息
| fold | train loss | valid loss | AccuracyF | precisionFn | recallFn | f1-score |
|---|---|---|---|---|---|---|
| fold 1 | 0.039308 | 0.073821 | 84.06 | 36.51 | 34.33 | 35.38 |
| fold 2 | 0.039042 | 0.064052 | 78.37 | 55.00 | 52.38 | 53.66 |
| fold 3 | 0.032341 | 0.085093 | 69.83 | 84.38 | 14.92 | 25.35 |
| fold 4 | 0.045185 | 0.061185 | 85.96 | 46.53 | 70.15 | 55.95 |
********** fold 1 **********
train_loss:0.039308 train_acc:86.7173
valid loss:0.073821 valid_acc:84.0607
AccuracyF 84.06 posLabel 11.95
precisionF 36.51 recallF 34.33 f1score 35.38
********** fold 2 **********
train_loss:0.039042 train_acc:86.2113
valid loss:0.064052 valid_acc:78.3681
AccuracyF 78.37 posLabel 22.77
precisionF 55.00 recallF 52.38 f1score 53.66
********** fold 3 **********
train_loss:0.032341 train_acc:88.8678
valid loss:0.085093 valid_acc:69.8292
AccuracyF 69.83 posLabel 6.07
precisionF 84.38 recallF 14.92 f1score 25.35
********** fold 4 **********
train_loss:0.045185 train_acc:84.1872
valid loss:0.061185 valid_acc:85.9583
AccuracyF 85.96 posLabel 19.17
precisionF 46.53 recallF 70.15 f1score 55.95
| fold | origin etp | nf etp | origin gn | nf gn | nc etp | nc gn |
|---|---|---|---|---|---|---|
| fold 1 | 98.969072 | 97.237569 | 98.461538 | 96.174863 | 0. | 23.423423 |
| fold 2 | 95.477387 | 94.623656 | 95.477387 | 92.146597 | 6.60793 | 5.333333 |
| fold 3 | 89.622642 | 86.699507 | 83.700441 | 80 | 13.77551 | 12.621359 |
| fold 4 | 83.333333 | 88.442211 | 77.55102 | 88.442211 | 38.78327 | 33.464567 |
| fold 5 | 96.938776 | 97.802198 | 94.059406 | 97.26776 | 0. | 31.111111 |
entropy
原始数据
k-fold f1 scored:[0.98969072 0.95477387 0.89622642 0.83333333 0.96938776]
剔除第一部分数据
k-fold f1 scored:[0.97237569 0.94623656 0.86699507 0.88442211 0.97802198]
gini
原始数据
k-fold f1 scored:[0.98461538 0.95477387 0.83700441 0.7755102 0.94059406]
剔除第一部分数据
k-fold f1 scored:[0.96174863 0.92146597 0.8 0.88442211 0.9726776 ]
去掉提取信息：
entropy
k-fold f1 scored:[0. 0.0660793 0.1377551 0.3878327 0. ]
gini
k-fold f1 scored:[0.23423423 0.05333333 0.12621359 0.33464567 0.31111111]
油田生产数据选取进展22.3.12 观察实验相关推荐
- 油田生产数据选取问题4
1 现状 因为遇到了数据不均衡问题,正在重新对数据进行分析以及修改模型.整个框架见 油田生产数据选取问题3 2 数据问题 2.1 统计 统计项 数量 时间跨度 3425 天 产液量计量 734 天 未 ...
- 油田生产数据选取22.4.1 观察实验
井类型相同,井数:35,计量数:18938 提取连续未选用属性效果: fold train loss valid loss AccuracyF precisionFn recallFn f1-scor ...
- 小李的电商日记 22.10.12
小李的电商日记 22.10.12 摘要 有所学就有所记录~ 秉承着好记性不如烂笔头的 原则 记录便于更快发财 第一天情况如下: 目录 整理数据分析 了解评价区 胡言乱语 整理数据分析 先定大类目,考虑 ...
- TokenGazer 深度研究 | RSKRIF：技术生态均有良好进展 采用状况继续观察
前 言 Foreword 读者想要第一时间掌握市场动态以及查看 TokenGazer 往期项目评级报告.深度研究报告.加密货币月报.策略分析.交易所数据等,请登录官方网站:tokengazer.com ...
- [TITS期刊论文集] 二.Volume 22, Number 12, December 2021（中）
Volume 22, Number 12(中)论文索引 19.Resilient UAV Traffic Congestion Control Using Fluid Queuing Models. ...
- 【c++/c】C语言“小小计算器”基本功能实现(包含12个实验一篇足以)【期末大作业】
文章目录 小小计算器 实验1."小小计算器"基本功能实现(1) 实验2."小小计算器"基本功能实现(2) 实验3."小小计算器"基本功能实现 ...
- 嵌入式软件设计第12次实验报告-140201235-陈宇
嵌入式软件设计第12次实验报告 学号:140201235 姓名:陈宇 组别:第3组 实验地点:D19 一.实验目的: 1.掌握通过GSM短信远程与 ...
- 嵌入式软件设计第12次实验报告
嵌入式软件设计第12次实验报告 学号:140201126 姓名:杨鹏飞 组别:第2组 实验地点:D19 一.实验目的: 1.掌握通过GSM短信远程 ...
- 第12章实验1：学生成绩管理系统V5.0（c语言）
第12章实验1:学生成绩管理系统V5.0 某班有最多不超过30人(具体人数由键盘输入)参加期末考试,最多不超过6门(具体门数由键盘输入).参考学生成绩管理系统V4.0,定义结构体类型,用结构体数组作函 ...
- 第12章实验1：学生成绩管理系统V5.0
第12章实验1:学生成绩管理系统V5.0 第12章实验1:学生成绩管理系统V5.0 某班有最多不超过30人(具体人数由键盘输入)参加期末考试,最多不超过6门(具体门数由键盘输入).参考学生成绩管理系统 ...
最新文章
- NEW关键字的三种用法
- 统计局：2018年规模以上工业增加值同比增长6.2%
- 【EventBus】EventBus 源码解析 ( 注册订阅者总结 | 从封装的数据结构角度分析 EventBus )
- vue 2个方法先后执行_4个简单靠谱的所得税节税方法，老板看完都批示财务执行...
- java 匿名内部类 百科_java匿名内部类具体概念是什么，在什么地方用到？
- 解锁三星bl锁有几种方法_解锁陶瓷砂磨机常见的几种机械密封损坏原因及处理方法发表...
- kangle支不支持PHP_【转载】PHP调用kangle的API
- ajax参数中有加号,浅谈在js传递参数中含加号(+)的处理方式
- 分析方法的基础 — 1. 拆分能力，分析师的第一技能
- 寻找连通域算法_FPGA实现的连通域识别算法升级
- python匿名函数的使用介绍
- Scikit-learn：聚类clustering
- linux锐捷认证成功无法上网,锐捷认证成功但是却无法上网怎么办
- DIY多快充协议太阳能充电器！----BOOST升压电路
- 她力量系列八丨陈丹琦：我希望女生能够得到更多的机会，男生和女生之间的gap会逐渐不存在的
- arpspoof: libnet_check_iface() ioctl: No such device 解决方法
- 【漆天编程】最牛逼的均线交叉指标，做出了EA历史数据测试器的效果
- pacman 查询_pacman
- 七小福介绍：香港七小福成员名单、创办
- 人人车创始人李健的创业之路