《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》
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.
图表编号 | XD00153454500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.15 |
作者 | 沈圆圆、曹文飞、韩国栋 |
绘制单位 | 陕西师范大学数学与信息科学学院、陕西师范大学数学与信息科学学院、陕西师范大学数学与信息科学学院 |
更多格式 | 高清、无水印(增值服务) |