《表1 3 KDD Cup数据集不同系统实验结果对比》
由表6和图4可以看出采用朴素随机过采样后,AdaBoost和GradientBoosting的AUC值较高,Adaboost是通过提升错分数据点的权重来定位模型的不足,具有很高的精度,而Gradient Boosting是通过算梯度来定位模型的不足,可以灵活处理各种类型的数据,包括连续值和离散值。本文采用朴素随机过采样后又进行一次投票分类将两者结合产生一个新模型进行预测,实验结果表明两种分类器相结合适用于电信领域的数据,使用一次投票分类之后实验结果进一步提升,见表10。
图表编号 | XD00119586700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.15 |
作者 | 汪明达、周俏丽、蔡东风 |
绘制单位 | 沈阳航空航天大学人机智能研究中心、沈阳航空航天大学人机智能研究中心、沈阳航空航天大学人机智能研究中心 |
更多格式 | 高清、无水印(增值服务) |