《表3 评价准则的简单比较》
以上五种评价准则各有优缺点(见表3)。概括来说,前四种大多只估计单个特征得分,而分类正确率或分类错误率可评价子集性能,综合性能最好,但效率最差;距离、一致性和依赖性度量分类性能一般但效率较好;信息度量会优于距离、一致性和依赖性度量,分类性能好效率也高。但现在CPU性能好,对时间复杂度要求没那么严格,因此实际应用中以获得最优子集为目标,通常会将分类误差率或正确率度量和其他四种度量方式结合使用,先使用前四种度量方式删除特征集中的无关特征,再使用分类正确率或分类错误率度量标准选择最优特征子集。
图表编号 | XD00119568100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.15 |
作者 | 李郅琴、杜建强、聂斌、熊旺平、黄灿奕、李欢 |
绘制单位 | 江西中医药大学计算机学院、江西中医药大学计算机学院、江西中医药大学计算机学院、江西中医药大学计算机学院、江西中医药大学计算机学院、江西中医药大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |