公共安全事件风险认知数据驱动建模实验数据集

本数据集本数据集主要用于研究训练和验证隐性风险认知数据驱动建模所涉及的基于变分贝叶斯的概率推理方法以及将重要性采样应用于变分贝叶斯推理的相关性能指标，包括收敛效率（Convergence Efficiency，同一时间节点时模型的准确率以及损失）、平均准确率（MAP，权重后验多次采样取得的平均分类精度）、准确率（AP）。数据集包括3个文件夹：MNIST数据集文件、Cifar-10数据集文件以及Cifar-100数据集文件，存放了用于测试验证隐性风险识别模型所涉及的目标分类相关性能指标所需要的实验数据。 数据量370.54MB，其中MNIST数据集：26.46 MB; Cifar-10数据集：50.36MB；Cifar-100数据集：291.44MB。

搜集汇总

背景与挑战

背景概述

该数据集专门用于公共安全事件风险认知领域的数据驱动建模实验，包含MNIST、Cifar-10和Cifar-100三个子数据集，总数据量约370.54MB。数据集主要用于训练和验证基于变分贝叶斯概率推理及重要性采样的隐性风险认知模型，评估指标涵盖收敛效率、平均准确率和准确率等目标分类性能。