《表3 4种算法的性能比较》

  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

《基于电子鼻气味指纹图谱与XGBoost算法鉴别姜黄属中药》

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

%

相比于训练集性能，测试集的表现更能说明算法性能，4种模型在相同测试集上的准确率、精确率、召回率、F度量表明，在4种分类算法中，XG-Boost具有最高的精确率、准确率、召回率和F值，ANN次之，SVM和RF效果较差（表3）。这是由于XGBoost在算法设计上更好地兼顾了学习能力与泛化能力。在基于树的集成模型的思想中，树的个数理论上可以任意大，这使得XGBoost算法可以非常好地对训练样本进行拟合，从样本中学习尽可能多的信息。同时，XGBoost算法在正则项上既考虑了单个树模型规模，同时也对叶节点权重进行了平滑，使模型更加不容易过拟合，因此在训练集之外有更好的泛化能力，具有更高的测试集准确率。此外，ANN模型需要大量的数据样本做支撑，从而用来训练模型参数、学习各个特征之间的相关关系，而本课题的样本量较小，所也导致其分类效果比XGBoost逊色。