《表2 极限学习机、逻辑回归和神经网络的训练耗时及在测试集上的总体精度和AUC指标Tab.2 Extreme learning machine, logistic regression and neu
作为对比,本文也用同一批数据对逻辑回归和神经网络(单隐层)进行训练。表2是各学习器在训练集上耗费的训练时间以及在测试集上的总体精度和AUC指标。从训练时间可以看出逻辑回归的平均用时最短,因为其模型的复杂度最低,而极限学习机的训练时间明显低于同为单隐层的神经网络,体现了极限学习机在训练速度上的优越性。从整体精度上来看,极限学习机也要好于逻辑回归和神经网络。相比于逻辑回归,极限学习机将输入数据映射到高维特征空间中,解决了线性不可分的问题,从而可以学习更复杂的函数,而逻辑回归是线性分类器,在面对复杂的数据关系时表现不好;相比于神经网络,极限学习机可以化简为求解一个线性系统,从而求出全局最优唯一解,而神经网络是基于梯度下降算法迭代求解,不仅训练时间长,而且可能陷入局部最优解,要得出满意的解需要做更多的尝试。
图表编号 | XD008285600 严禁用于非法目的 |
---|---|
绘制时间 | 2018.12.01 |
作者 | 王鹤、曾永年 |
绘制单位 | 中南大学地球科学与信息物理学院、中南大学空间信息技术与可持续发展研究中心、中南大学地球科学与信息物理学院、中南大学空间信息技术与可持续发展研究中心 |
更多格式 | 高清、无水印(增值服务) |