《表3 模型训练时间：基于XGBoost算法的恒星/星系分类研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于XGBoost算法的恒星/星系分类研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从通过仿真实验得出的表2中可以看出，XGBoost的星系分类准确率要优于FT尤其是在暗星等区间，XGBoost相比FT提高了近10%的准确率.而与其他较为先进的DBN[12]、SDAE、RF、Adaboost、GBDT相比，在modelMag值为20.5–21的最暗星等区间，也提高了2%–5%的星系分类准确率，由此可见，XGBoost算法模型具有更强的泛化能力，在恒星星系分类问题上的表现优于其他算法.另外，本文利用modelMag属性值为14–19的约88万条数据，来测试XGBoost、GBDT和Adaboost在亮星等数据集上训练模型时的效率.使用亮源是因为在暗星等或者最暗星等数据量小的数据集上，对比结果差异不明显.结果如表3所示.