《表2 实验结果:隐依存森林模型》
我们在表2中列出了实验的结果,其中加粗部分为最好的结果。从实验结果可以看出LDFMs可以和其他模型相竞争,并且在大部分数据集中取得了最好的结果。对于LDFMs的两种MCMC方法,我们可以看到Gibbs采样的效果更好,但是在实验中,tree-augmented采样的速度平均比Gibbs采样要快10倍以上。SPNs在大的数据集中有更好的效果,显示出了其在概率建模中的有效性;然而在较小的数据集上,SPNs并没有取得比较好的效果,这在一定程度上反映了SPNs需要更多的数据去训练。平均来说,BNs在所有的模型中效果最差,说明了BNs的结构学习是一个很难的问题。
图表编号 | XD0021917300 严禁用于非法目的 |
---|---|
绘制时间 | 2018.03.20 |
作者 | 褚善博 |
绘制单位 | 中国科学院上海微系统与信息技术研究所、上海科技大学、中国科学院大学 |
更多格式 | 高清、无水印(增值服务) |