《表2 贝叶斯网络预测结果与真实结果对比》
提示：宽带有限、当前游客访问压缩模式
由于缺陷数据是连续值，进行了离散化，因此需要将预测结果的离散值转换为缺陷数，本文以最大阈值为预测值，与真实结果对比见表2。
| 图表编号 | XD00137232000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.04.16 |
| 作者 | 马由、汤艳、解斐 |
| 绘制单位 | 中国电子科技集团第十五研究所软件测评中心、中国电子科技集团第十五研究所软件测评中心、中国电子科技集团第十五研究所软件测评中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 主成分数据：基于PCA-贝叶斯算法的网络舆情预测研究》2020.08.10
- 《表5 贝叶斯估计和动态预测的优化预测结果》2020.11.01
- 《表4 模型评估结果对比：基于朴素贝叶斯算法的~*ST企业财务状况预测研究》2020.08.28
- 《表2 LSTM与朴素贝叶斯的文本分类结果对比》2020.12.31
- 《表2 实验结果：基于朴素贝叶斯的社交网络入侵行为取证模型构建》2020.12.31
- 《表1 基于贝叶斯网络的权重计算结果》2020.10.01
- 《表2 肿瘤相关AKI贝叶斯网络风险预测模型评价》2020.07.30
- 《表5 贝叶斯网络计算结果》2020.03.01
- 《表2 原因诊断结果：基于贝叶斯网络的计量服务品质评估》2020.08.30
- 《表6 LSTM和贝叶斯网络模型的预测结果》2020.08.20
- 《表2 聚类结果：基于聚类与贝叶斯网络的航班离港延误预测模型》2020.02.01
- 《表4 空管不正常事件贝叶斯网络风险预测结果》2020.01.25
- 《表2 停电投诉条件概率：基于贝叶斯网络的电力客户停电敏感度预测》2019.09.28
- 《表2 逻辑回归与朴素贝叶斯对比实验结果》2019.10.01
- 《表2 预测模型结果比较：基于贝叶斯优化XGBoost的现场校验仪误差预测》2019.09.25
- 《表2 RRT算法与模糊贝叶斯-深度Q网络算法规划效率对比》2019.07.16
- 《表2 推理仿真结果：基于贝叶斯网络的示假能力等级综合分析》2019.06.01
- 《表3 网络各节点系数：一种基于贝叶斯网络的电力负荷峰值预测方法》2019.07.05
- 《表1 真实的贝叶斯网络参数》2018.12.05
- 《表2 第1时间片下的贝叶斯网络参数学习结果》2018.12.05