《表6 与其他方法的比较》
Singh S等[23]提出了基于关联的特征选择和粒子群优化策略的分类器,其实验的数据集分别为基于内容、链接、内容和链接、完整内容和转换链接的特征集,并不是将所有的特征放在一起进行选择,其F1值并不如RUOS+GA+XGBoost高.Scarselli F等[24]提出了包含概率映射图自组织映射和图神经网络的图层叠架构技术.由于数据集具有不平衡的特点,样本很容易被分到多数类样本中,准确率并不是评价分类器好坏的最优指标,而其F1值明显低于RUOS+GA+XGBoost,因此所提出的算法在F1值这个评价指标上提升显著,而准确率却较低.说明所提算法还有改善的空间,下一步将进一步研究特征工程,将特征工程与遗传算法相结合,提高分类器的准确率.
图表编号 | XD00129611700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 刘寒 |
绘制单位 | 北京邮电大学软件学院、北京邮电大学可信分布式计算与服务教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |