《表1:协变量不分组情形下分类效果对比》

  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

《Logistic组稀疏回归模型的Bayes建模及变分推断》

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

表1展示出三种方法在这两组数据集上10次模拟的平均分类结果，其中mean（tr）表示在训练集上预测误差均值，mean（te）表示在测试集上预测误差均值，而std（tr）与std（te）分别表示在训练集和测试集上预测误差的标准差．如表1所示，通过对比指标mean（tr）可以看到，所提出的方法VBLGL取得了最小的平均训练误差．这表明，与VBARD及LGL方法相比，VBLGL方法具有更好的拟合性能．指标mean（te）的对比结果进一步表明，在Logistic非分组稀疏回归问题上，VBLGL方法相比于其他两种方法具有竞争性的表现．另外，从标准差std（tr）与std（te）指标可以看出，三种方法取得的分类结果都是比较稳定的．