《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

  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

《城市扩展极限学习机模型》

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

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。