《表1 0 不同算法下的balance值对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于密度峰值的Adaboost算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表8～表10分别列出了4种算法模型在KEEL数据集上的3种评价指标对比，表中加粗数值表示该方法最高的评价指标值。从实验对比结果可以看出，本文提出的算法在数据集segment0、wine-red、vowelo和abalone9-18综合分类性能较好，AUC、G-mean和balance值大部分都是最高的，尤其在不平衡率高达35.4的wine-red数据集上，相比较其它3种不平衡分类算法，本文算法模型的性能表现优异，其中AUC值最高提高了18.0%，G-mean值最高提高了18.6%，balance值最高提高了17.3%，这也进一步验证了本文算法不仅在不同数据集上的适应性，同时对于不平衡性较高的数据集也有很好的分类效果。