《表2 数据集：基于机器学习算法的LTE高投诉小区预判方法》
提示：宽带有限、当前游客访问压缩模式
经过上述步骤，特征数据集和标签数据集整理如表2所示。
| 图表编号 | XD00176384000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.05.20 |
| 作者 | 曹丽娟、程新洲、徐乐西、张涛、贾玉玮、成晨 |
| 绘制单位 | 中国联通网络技术研究院、中国联通网络技术研究院、中国联通网络技术研究院、中国联通网络技术研究院、中国联通网络技术研究院、中国联通网络技术研究院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 基于深度强化学习算法的自动驾驶模型训练环境、数据集和方法》2021.01.16
- 《表1 基于模仿学习算法的自动驾驶模型训练环境、数据集和方法》2021.01.16
- 《表1 数据集划分：基于机器学习的用户升级预判研究》2021.01.15
- 《表2 测试数据：基于机器学习的海里油耗估计算法》2021.01.20
- 《表1 特征数据集：基于机器学习的偏振遥感云检测优化算法》2021.02.25
- 《表1 KPI特征集：基于机器学习算法的LTE高投诉小区预判方法》2020.05.20
- 《表2 传统VSLAM算法与基于深度学习VSLAM方法关于VO的准确度在KITTI数据集上的对比》2020.07.18
- 《表3 实验数据集：基于机器学习的外汇新闻情感分析》2020.06.16
- 《表1 数据集基本信息：融合数据增广技术与机器学习算法的个人信用评分研究》2020.08.15
- 《表1 训练样本特征：基于机器学习的网络投诉预测分析》2020.08.15
- 《表8 基于Ionosphere数据集的机器学习算法在特征子集和全集下5FCV分类性能》2020.03.20
- 《表7 基于Sonar数据集的机器学习算法在特征子集和全集下5FCV分类性能》2020.03.20
- 《表9 基于WDBC数据集的机器学习算法在特征子集和全集下5FCV分类性能》2020.03.20
- 《表6 基于Pima数据集的机器学习算法在特征子集和全集下5FCV分类性能》2020.03.20
- 《表1 特征选择方法：基于机器学习和大数据挖掘的药物重定位算法综述》2020.01.25
- 《表2 用户业务信息：一种基于LightGBM机器学习算法的用户年龄及性别预测方法》2019.09.20
- 《表2 算法预测结果：基于机器学习的新能源汽车残值评估方法》2019.10.01
- 《表1 数据集：基于机器学习的推特谣言立场分析研究》2019.11.05
- 《表1 实验数据集：基于机器学习的数据库小数据集并行集成方法》2019.06.08
- 《表1 数据集信息：基于机器学习方法的非编码RNA-蛋白质相互作用的预测》2019.08.01