《表4 各预测算法在不同网络上的AUC值(90%训练集)》
提示：宽带有限、当前游客访问压缩模式
将网络中90%的链路作为训练集ET，其余10%作为测试集EP．按照4.1节介绍的实验流程，得到各算法的预测结果，并计算相应AUC值，以衡量本文算法的预测性能，具体AUC值如表4所示．
| 图表编号 | XD00175958000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.05.01 |
| 作者 | 邵豪、王伦文、邓健 |
| 绘制单位 | 国防科技大学电子对抗学院、国防科技大学电子对抗学院、陆军工程大学石家庄校区二系 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 异常事件检测方法在实验数据集上的AUC值》2020.10.01
- 《表4 各种分类算法在不同数据集上分类AUC值比较》
- 《表4 各算法在GN网络上的NMI值》2021.03.10
- 《表1 不同方法在三组数据集上的AUC值》2020.12.01
- 《表1 不同模型在Chest X-ray14数据集上的AUC值对比》2020.07.30
- 《表5 预测算法在不同网络上的AUC值(80%训练集)》2020.05.01
- 《表4 各算法在不同数据集上的AUC值对比》2020.05.01
- 《表3 不同方法在10个真实网络上的AUC值》2020.08.01
- 《表1 分割网络在不同数据集上训练的模型在测试集上的测试结果(%)》2020.01.30
- 《表4 各算法在三种数据集上的运行时间（训练时间/测试时间）》2020.01.25
- 《表9 某电信数据集8月训练9月预测AUC值对比》2019.12.15
- 《表8 某电信数据集7月训练8月预测AUC值对比》2019.12.15
- 《表3 不同算法在不同数据集上的平均AUC-PR的值》2020.01.01
- 《表2 各算法在DBLP数据集上的AUC值》2019.09.01
- 《表3 各算法在知乎数据集上的AUC值》2019.09.01
- 《表4 每个数据集在不同Stacking算法下的AUC值》2019.08.01
- 《表4 各算法在数据集上的训练时间/min》2019.06.16
- 《表2 各算法在35个数据集上的AUC结果 (均值±标准差) 汇总表》2019.01.01
- 《表2 各算法在35个数据集上的AUC结果 (均值±标准差) 汇总表》2019.01.01
- 《表2 极限学习机、逻辑回归和神经网络的训练耗时及在测试集上的总体精度和AUC指标Tab.2 Extreme learning machine, logistic regression and neural network training》2018.12.01