《表3 Stacking算法各实体类别实验结果》
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Stacking集成学习的水稻表型组学实体分类研究》
%
Stacking集成学习吸收融合模型的优点提高准确率和稳定性。通过将K-NN、RF、SVM、GBDT模型作为初级学习器,4个验证集的输出组合成次学习器的一个输入特征,进行再次训练。Stacking集成学习的分类器组合模型实验结果如表3所示。
图表编号 | XD00109912800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.25 |
作者 | 袁培森、杨承林、宋玉红、翟肇裕、徐焕良 |
绘制单位 | 南京农业大学信息科学技术学院、南京农业大学信息科学技术学院、南京农业大学信息科学技术学院、马德里理工大学技术工程和电信系统高级学院、南京农业大学信息科学技术学院 |
更多格式 | 高清、无水印(增值服务) |