《表2 现有模型和xgboost在KPI数据集上的结果》
提示：宽带有限、当前游客访问压缩模式
首先，将KPI数据集分为训练集和测试集，训练集和测试集比例为7:3。经过章1的异常注入算法处理训练集并标注，特征提取后输入xgboost进行训练。测试集使用FFT[8]、TwitterAD[9]、xgboost异常检测模型结果如表2。（下转第201页）
| 图表编号 | XD00192444400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.01.15 |
| 作者 | 陈适宜 |
| 绘制单位 | 同济大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 现有模型在Inria Aerial Image Labeling测试集上的分割结果》2021.02.16
- 《表4 现有模型在Deep Globe Road Extraction测试集上的分割结果》2021.02.16
- 《表2 三种模型在预测数据集上的评价指标结果》2020.12.15
- 《表2 类不平衡和平衡数据集上的XGBoost性能》2020.11.20
- 《表2 4种模型在构建数据集上的测试结果》2020.12.20
- 《表2 不同模型在PASCAL VOC数据集上的结果》2021.03.01
- 《表2 YOLOv3、Slim YOLOv3和剪枝模型在Vis Drone-Det数据集上的测试结果》2021.01.18
- 《表2 与其他图像生成模型在不同数据集上的SSIM和IS比较》2020.07.25
- 《表6 不同模型在2个数据集上的实验结果对比》2020.06.01
- 《表2 模型Ⅲ、模型Ⅳ和模型Ⅴ在Set5和Set14数据集上的表现》2020.07.10
- 《表2 联合识别模型在ATIS数据集上的NLU性能结果》2020.07.15
- 《表2 不同模型在STARE数据集上的分割结果对比》2020.07.15
- 《表3 TransF模型在WN18和FB15K数据集上的链路预测实验结果》2020.06.05
- 《表4 现有无监督的方法在DukeMTMC-reID数据集上的结果》2020.09.01
- 《表3 现有无监督的方法在Market-1501数据集上的结果》2020.09.01
- 《表5 现有无监督的方法在MSMT17数据集上的结果》2020.09.01
- 《表4 不同的HED模型在DRIVE和STARE数据集上的性能评估结果》2020.03.25
- 《表3 模型1和参照模型在不同数据集上的表现》2020.01.15
- 《表3 SVR和XGBoost在测试集上的热负荷多步递归预测精度的总预测精度》2019.07.15
- 《表2 模型在不同数据集上的实验结果》2019.01.15