《表3 学习曲线收敛值：基于多粒度级联森林的骨质疏松性骨折预测研究》

  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

《基于多粒度级联森林的骨质疏松性骨折预测研究》

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

由图3可知logistic分类器的方差极小，无过拟合现象，从表3可知该分类器在B组特征下TS与CS曲线能很好地收敛，但分类准确率略低。GBDT分类器在A组特征下，TS收敛于0.912 4，CS收敛于0.885 7。在B组特征下TS收敛于0.922 5，CS收敛于0.895 7，均高于A组收敛值，且观察到TS和CS曲线末端间隔小，意味着方差小且无过拟合。同样，RF分类器和gcForest分类器的训练收敛情况可见表3。对于gcForest分类器而言，两曲线末端稍有间隔，可通过增大训练样本数或者减少训练特征改善此现象，基于B组特征其CS收敛值超过了0.90，泛化性能最佳。