《表1 0 不同算法下的balance值对比》
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。
图表编号 | XD00111165700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.16 |
作者 | 王军、吴文超、程勇 |
绘制单位 | 南京信息工程大学计算机与软件学院、南京信息工程大学科技产业处、南京信息工程大学计算机与软件学院、南京信息工程大学科技产业处 |
更多格式 | 高清、无水印(增值服务) |