《表5 Kullback-Leibler距离实验结果↓》

  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GBDT的标记分布学习算法研究》

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

本文以Windows 10为实验平台，Matlab 2016a为实验环境。采用表1的12组标记分布数据集通过PT-Bayes、AA-KNN、AA-BP、SA-IIS和本文的GBDT-LDL 5种算法及6项评价指标进行对比，实验结果如表2到表7所示。其中，表2到表5代表实验距离度量，数值越小越好；表6、表7代表实验相似度距离度量，数值越大越好。最好的结果已加粗表示。再利用十折交叉验证来测试算法准确性，将原数据集分为10份，轮流实验，得出5种算法的平均值mean和方差sd，再以6个评测指标利用统计分析对比来检验算法。图2表示5种算法在0.05显著性水平下的Nemenyi检验结果，是按照表2到表7的数据结果以算法平均排名建立坐标轴，每个子图横坐标轴中从左至右算法效果依次降低，其中彩色线条连接表示算法之间没有显著差异。