《表3 五种算法分类精度比较》
![《表3 五种算法分类精度比较》](http://bookimg.mtoou.info/tubiao/gif/JSYJ201910025_10600.gif)
本系列图表出处文件名:随高清版一同展现
《基于FCBF特征选择和集成优化学习的基因表达数据分类算法》
为了验证提出方法的有效性,实验首先给出了所提出的方法与四种常用方法,即分别基于Relief F、mRMR、IG、CFS特征选择方法,在六组数据集上的分类结果的对比分析,如表3所示。表3中给出了各个算法得到的分类准确率以及标准方差值。从实验结果可以看出,在这五种模型中,提出的方法取得了最高的分类准确率,而基于Relief F、mRMR、IG、CFS特征选择的方法取得的分类结果明显低于本方法,例如以breast cancer数据集为例,本方法的平均分类精度达到了92.98%,而其他四种方法分别只得到了88.42%、85.57%、83.51%和81.92%的平均分类准确率,同时也说明了通过特征选择和集成分类学习,能有效提高高维基因数据的分类准确率。此外,从标准方差值可见本方法的方差值较小,也证明了该方法具有良好的稳定性。
图表编号 | XD0090321700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 马超 |
绘制单位 | 深圳信息职业技术学院数字媒体学院 |
更多格式 | 高清、无水印(增值服务) |