《表2 训练数据在不同核函数下的rmse对比》
提示：宽带有限、当前游客访问压缩模式
支持向量机中核函数的选择很关键，本文分别采用4种核函数进行训练，得到结果如表2所列。可以看出，其中选用多项式核函数效果最好，rmse为0.012 039。
| 图表编号 | XD00150217400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.07.01 |
| 作者 | 冉启成、陈向东、张传武、丁星 |
| 绘制单位 | 西南交通大学信息科学与技术学院、西南交通大学信息科学与技术学院、西南交通大学信息科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 不同核函数在最佳参数组合下的预测能力》
- 《表5 不同核函数的DSC-SVM训练结果》2021.02.10
- 《表2 基于不同核函数的SVM训练效果》2020.12.15
- 《表2 模拟数据中不同方法在各种等级噪声下的RMSE值的比较》2020.04.25
- 《表1 不同损失函数在三种数据集训练下的判别准确率》2020.06.25
- 《表1 不同核函数下的分类识别率》2020.06.25
- 《表5 不同算法在不同数据集下的RMSE对比》2020.07.10
- 《表3 核函数不同参数下的识别率》2020.07.15
- 《表1 训练数据在不同算法下r2＿score和rmse的对比》2020.07.01
- 《表2 4种DEM数据绝对误差在不同坡度等级下的ME、MAE、RMSE和STD值》2020.03.25
- 《表3 4种DEM数据相对误差在不同坡度等级下的MAE和RMSE数值》2020.03.25
- 《表2 不同核函数对比：机器学习在桥梁病害检测识别中的研究应用进展》2019.09.01
- 《表4 不同核函数构建不同牌号烟用爆珠内液ν-SVR模型的RMSE和R2值以及最优参数》2019.06.30
- 《表3 不同核函数构建不同牌号烟用爆珠内液ε-SVR模型的RMSE和R2值以及最优参数》2019.06.30
- 《表3 不同核函数下的方差及训练时间》2019.05.01
- 《表2 不同核函数下的RU-SMOTE-SVM识别结果》2019.03.20
- 《表1 各分类器采用不同核函数的训练及测试时间》2019.04.01
- 《表1 不同核函数下训练和测试数据分类正确率》2019.04.01
- 《表1 四种算法在人工数据上的RMSE、NMSE、R2和训练时间》2019.02.01
- 《表1 3种算法在RBF核函数下的异常检测正确率》2018.01.20