基于迭代局部搜索-麦松搜索算法优化的随机森林机器学习算法用于 VR 用户体验预测
机器学习
2024-06-26 v1 人工智能
摘要
本文通过引入麦松搜索算法和基于迭代局部搜索优化的麦松搜索算法改进的随机森林算法，探讨了一种用于 VR 用户体验预测的改进方法。首先进行数据统计分析，然后分别使用传统随机森林模型、基于麦松搜索算法改进的随机森林模型以及基于迭代局部搜索-麦松搜索算法改进的随机森林算法进行训练和测试。结果表明，传统随机森林模型在训练集上达到 93% 的预测准确率，但在测试集上仅为 73.3%，泛化能力较差；而基于麦松搜索算法改进的模型在测试集上达到 94% 的预测准确率，较传统模型有所提升。更值得注意的是，基于迭代局部搜索-麦松搜索算法改进的模型在训练集和测试集上均达到 100% 的预测准确率，优于其他两种方法。这些研究结果为 VR 用户体验预测提供了新的思路和方法，尤其是基于迭代局部搜索-麦松搜索算法改进的模型在更准确地预测和分类用户 VR 体验方面表现出色。未来可进一步探索该方法在其他领域的应用，并通过实际案例验证其有效性，以推动 AI 技术在用户体验领域的发展。
引用
@article{arxiv.2406.16905,
title = {Optimising Random Forest Machine Learning Algorithms for User VR Experience Prediction Based on Iterative Local Search-Sparrow Search Algorithm},
author = {Xirui Tang and Feiyang Li and Zinan Cao and Qixuan Yu and Yulu Gong},
journal= {arXiv preprint arXiv:2406.16905},
year = {2024}
}