将负载预测问题抽象为机器学习中的回归问题,同时考虑到复杂场景中的绘制参数较多所带来的特征维度高、各特征之间可能存在较强的相关性,以及实时应用对效率的要求等,在繁多的回归算法中,选择XGBoost作为学习和预测负载的机器学习模型,实现上述负载平衡划分的关键在于利用建立好的机器学习模型对绘制帧在特定的子屏幕下的负载进行准确且高效地预测。以并行绘制系统中的四分屏作为研究对象,以测试集上的均方误差(MSE)作为预测准确率的评价标准,基于帧间相关性的方法在测试集上的MSE为3.56,XGBoost算法在测试集上的MSE为2.06,其预测更为准确。