|
根据每种方法各自的经验重采样分布估计t临界值。表A.7:交叉验证AUC比较的重要性。SVMRandom forestNeural Network加权最佳非加权DELM KNN QDANaive BayesVotingLogit LASSOLogit LDA分类。树骨提取物。SVM X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X XX X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X。树X X X X X X X X X X X信号提取。X X X X X X注释:该表报告了不同方法AUC比较的统计意义。“X”标记表示不同方法之间的统计显著差异,并且这些方法按AUC升序排序。根据每种方法各自的经验重采样分布估计t临界值。表A.8:递归AUC比较的意义。加权非加权KNN QDANeural Network最佳物流BayesLogit Lasorandom forestLDAClassific。treeVoting支持向量机用于信号提取。加权X X X X X X X X X X X X X X X X X X X X X X X X X KNN X X X X X X X X X X X X X X QDA X神经网络X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X。树X X投票X X XSVM X X XELM X X X X X X信号提取。X X X X X X注释:该表报告了不同方法AUC比较的统计意义。“X”标记表示不同方法之间的统计显著差异,并且这些方法按AUC升序排序。
|