《表6 用户粉丝量预测算法准确度比较》
提示：宽带有限、当前游客访问压缩模式
使用5折交叉验证法，计算预测用户粉丝量实验的RMSE与RAE，结果如表6所示。
| 图表编号 | XD0031686100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.01.01 |
| 作者 | 陈娟、王功明、徐翼龙、王海威 |
| 绘制单位 | 北京大学新闻传播学院、中国科学院生物物理研究所、北京联合大学智慧城市学院、军委后勤保障部信息中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 用户成为粉丝的必要条件以及各条件组合情况》2020.10.20
- 《表4 样本数据中用户粉丝数统计》
- 《表3 四种新用户重复购买行为预测模型准确率和AUC值对比》2020.06.01
- 《表3 准确率：基于Hadoop的电影用户行为预测系统设计》2020.03.01
- 《表6 6—7月各算法负荷预测准确率对比》2020.08.25
- 《表2 人类用户粉丝与正在关注相关性分析》2020.02.10
- 《表6 使用用户估计和本文算法预测时间的AVEbsld比较》2020.03.01
- 《表5 使用用户估计和本文算法预测时间的AVEwait比较》2020.03.01
- 《表4 不同数据量下的用户相别辨识准确率》2020.01.20
- 《表5 不同预测算法用于手机用户停留行为预测的效果比较》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1 用户基本属性：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1 算法预测准确率与实际情况比较》2019.09.25
- 《表4 用户预测评分矩阵：一种结合主题模型的推荐算法》2019.06.01
- 《表2 用户类型分类表：机器学习算法信用风险预测模型》2019.02.20
- 《表2 回归模型的比较：粉丝力量与知识付费:在线问答平台用户付费围观行为研究》2019.04.15
- 《表3 鹿晗微博粉丝用户统计特征》2019.01.15
- 《表1 杨幂微博粉丝用户统计特征》2019.01.15
- 《表4 用户粉丝实验模型参数》2019.01.01
- 《表7 预测评分对比：基于用户偏好优化模型的推荐算法研究》2019.12.01