Skip to Main Content
Table 5:
Training speed (in seconds) and accuracy for the Checkerboard and the Sine Wave datasets.
CheckerboardSine Wave
AlgorithmSpeedAccSpeedAcc
SVM     
   LP-SVM (Linear) 44.20 50.23 33.20 68.80 
   LP-SVM (RBF) 33.20 57.11 105.56 70.11 
   LibLinear 133.20 50.08 203.12 68.60 
   SGDT (10 iterations) 4.20 54.49 4.20 54.89 
   SVM-PERF (Linear) 1.10 51.01 2.01 61.90 
   BVM (RBF) 1.80 50.03 1.20 49.03 
   LibSVM (RBF, 136.20 98.20 423.23 70.80 
Boosting     
   AdaBoostM1 38.21 51.25 30.71 74.25 
   ParallelAdaBoost 17.90 51.22 13.90 78.30 
      (9 threads, 10 iterations)     
PSBML     
   PSBML (C4.5) 123.10 99.49 193.10 99.56 
CheckerboardSine Wave
AlgorithmSpeedAccSpeedAcc
SVM     
   LP-SVM (Linear) 44.20 50.23 33.20 68.80 
   LP-SVM (RBF) 33.20 57.11 105.56 70.11 
   LibLinear 133.20 50.08 203.12 68.60 
   SGDT (10 iterations) 4.20 54.49 4.20 54.89 
   SVM-PERF (Linear) 1.10 51.01 2.01 61.90 
   BVM (RBF) 1.80 50.03 1.20 49.03 
   LibSVM (RBF, 136.20 98.20 423.23 70.80 
Boosting     
   AdaBoostM1 38.21 51.25 30.71 74.25 
   ParallelAdaBoost 17.90 51.22 13.90 78.30 
      (9 threads, 10 iterations)     
PSBML     
   PSBML (C4.5) 123.10 99.49 193.10 99.56 
Close Modal

or Create an Account

Close Modal
Close Modal