26、机器学习中的性能评估、分类器与矩阵知识

机器学习中的性能评估、分类器与矩阵知识

1. 支持向量回归器性能评估

1.1 训练时间对比

在对 Mackey - Glass 数据和水净化数据的训练时间对比中，不同的核函数和训练方法表现出不同的性能。
- Mackey - Glass 数据 ：
| 核函数 | 方法 | 大小 | 时间 (s) | 训练数据 (NRMSE) | 测试数据 (NRMSE) | 支持向量数 |
| — | — | — | — | — | — | — |
| Poly | L1 SAM (10) | 11.9 | 0.067 | 0.066 | 277 |
| Poly | L2 SAM (30) | 2.7 | 0.067 | 0.066 | 282 |
| Poly | PDIP (—) | 84.0 | 0.067 | 0.066 | 283 |
| Poly | PDIP (70) | 50.6 | 0.067 | 0.066 | 269 |
| RBF | L1 SAM (30) | 7.0 | 0.028 | 0.027 | 48 |
| RBF | L2 SAM (20) | 6.6 | 0.028 | 0.027 | 55 |
| RBF | PDIP (—) | 79.9 | 0.028 | 0.027 | 54 |
| RBF | PDIP (50) | 0.9 | 0.028 | 0.027 | 54 |

对于多项式核函数，SMA 训练比 PDIP 快（无论是否使用分块）；对于 RBF 核函数，分块的 PDIP 最快