《表3 5种算法在少数类上的对比结果》

  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

《基于边界混合重采样的非平衡数据分类方法》

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

为了验证本文所提出的基于边界混合重采样的非平衡数据分类算法的分类性能，将其与基于SVM分类器的SMOTE算法、Borderline-SMOTE(B-SMOTE）算法、基于欧氏距离的欠采样算法（OSED）和基于支持k-离群度概念，但对多数类非边界样本进行随机欠采样，与少数类边界样本进行SMOTE结合的算法（RU-SMOTE）进行对比。实验环境均在MATLAB2018b软件运行，对于每一个数据集，均采用五折交叉验证，每次选择其中4组作为训练集，1组作为测试集，且每组数据集中的多数类与少数类样本个数比值为原始数据集中多数类与少数类样本数量非平衡比率，8个数据集在少数类上的对比结果见表3，多数类上的对比结果见表4，综合性指标（G-mean和F-value）对比结果见表5，并将最大的值用粗体标出。