《表1 SVR、TWSVR和RTPMSVR模型在各数据集上的学习性能》
图2描述了各模型的回归函数在Sinc函数上的一次回归结果。结果表明,RTPMSVR模型能通过非平行的上界和下界回归包络函数f1(x)和f2(x)很好地捕获Sinc函数的分布情况;TWSVR虽采用非平行包络函数,但只实现了经验风险,容易导致回归函数过拟合;SVR采用平行的包络函数,对于带噪声的复杂回归数据,并不能获得很好的回归效果。各回归器在Sinc函数的十折交叉学习RMSE指标结果见表1,RTPMSVR拥有最小的RMSE,其次是TWSVR,而SVR的性能最差。
图表编号 | XD00186762100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.25 |
作者 | 叶玲节、杨云露、冯昊 |
绘制单位 | 中国科学院沈阳计算技术研究所、中国科学院沈阳计算技术研究所、中国科学院沈阳计算技术研究所 |
更多格式 | 高清、无水印(增值服务) |