《表3 基分类器分组训练后在测试集上的准确率对比(单位：%）》

  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

《基于融合优化算法和集成学习的数字识别研究》

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

对于同一个基分类器，由于每一组的训练数据不完全相同，所以经过不同的分组训练后在测试集上的表现也存在差异。但是从单个基分类器的所有分组训练过程的角度来看，原始训练数据集中的每个样本被均参与了训练，因此基分类器的训练充分利用了原始训练数据集，而且降低了模型训练对于验证集选取的依赖性。从表3可以看出，不同的数据集使用方法和不同的网络结构都会对实验结果产生影响，在这两者的影响下产生了stacking第二阶段学习的训练数据和测试数据，并且36个模型训练结果在测试集上得到了99.39%的平均预测准确率、99.48%的最高预测准确率和99.31%的最低预测准确率。之后，选取不同的分类器作为stacking第二阶段学习分类器，进行对比实验，最后在测试数据上得到的准确率如下：