《表6 AUC评价指标:面向非平衡数据集的随机森林算法对学生学业问题的预测分析》
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
《面向非平衡数据集的随机森林算法对学生学业问题的预测分析》
(2)依据AUC评价指标的问题学生(少数类)学业表现模型选择结果如表6所示.对原始数据集未进行非平衡数据处理的情况下,所列5种模型AUC均值为0.82,最大值为Logistic Regression分类器的0.86,最小值为Decision Tree分类器的0.79.对原始数据集采用10种非平衡方法处理时,SMO-TEENN抽样方法下5种分类器AUC值都达到峰值,其中Random Forest和Radial SVM分类器表现最优,AUC值为0.97,比未进行采样的情况下的AUC分别提高了0.17和0.13.热度图3显示,None、CNN和NearMiss采样下5种分类器对应区域颜色较浅,分类效果一般,SMOTEENN对应区域颜色最深,分类效果最好.
图表编号 | XD00125959800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.25 |
作者 | 刘博、卢婷婷、陈国磊、赵璐 |
绘制单位 | 中国民航大学空中交通管理学院、中国民航大学空中交通管理学院、中国民航大学空中交通管理学院、中国民航大学空中交通管理学院 |
更多格式 | 高清、无水印(增值服务) |