《表9 不同成本条件下TWDXGBoost产生的误分类数和延迟分类数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于XGBoost的三分类优惠券预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

此外，在表7与表8的实验基础上，进一步考虑了不同成本条件下TWD-XGBoost误分类数量与延迟分类数量，计算结果如表9所示。其中，n PN表示用户实际未用但预测为用了的错误数量，nB=nBP+n BN表示延迟分类的数量，n NP表示用户实际用了但预测未用的数量。通过表9可得：当保持λNP和λPN不变时，λBP越小，nPN和nNP越小，nB越大。这说明当学习成本减小时，延迟分类的数量会增加，误分类数量会减少。类似地，当保持λNP和λBP不变时，λPN越小，nB就越小，nPN越大；当保持λPN和λBP不变时，λNP越小，nB就越小，nNP越大。故当误分类成本减小时，延迟分类的数量会减少，误分类数量就会增加。由此可见，在TWD-XGBoost算法中，决策结果会向较小成本的决策区域进行偏移。