23、RTT预测集成与人工智能安全工程探索

RTT预测集成与人工智能安全工程探索

1. RTT预测相关技术

RTT（Round-Trip Time）预测在多路径通信网关中具有重要意义。其流程主要包括模型训练、评估、移植和执行等步骤。

1.1 模型评估

训练好的模型通过两个数据集进行评估：
- 测试数据集 ：在模型训练过程中的训练 - 测试分割阶段生成。
- 验证数据集 ：包含之前未使用过的不同数据。

评估结果以散点图呈现，横坐标表示模型在测试数据集评估中的平均绝对误差，纵坐标表示在验证数据集上获得的误差。选择合适模型需考虑两个标准：
- 模型误差应尽可能接近散点图原点。
- 需考虑两个误差值之间的关系，若方法泛化性好，评估点应接近角平分线，表明测试和验证数据集的误差相似；偏离角平分线则可能存在欠拟合或过拟合问题。

不同机器学习模型，如SVR、NuSVR、k - 最近邻回归和不同变体的DTRs等，都可进行选择和评估，以获得最佳预测模型。整体来看，k - 最近邻回归和基于DT的机器学习方法表现最佳，但由于DT的内存和计算占用更小，因此更适合移植。

</

评估标准	说明
接近原点	模型误差小
接近角平分线	泛化性好，测试和验证误差相似