《表2 数据集的信息：结合样本局部密度的非平衡数据集成分类算法》

  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

《结合样本局部密度的非平衡数据集成分类算法》

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

实验环境基于Eclipse Oxygen版本以及Weka3.8机器学习平台。实验数据集采用了KEEL公开的20个非平衡数据集[16]。数据集的具体信息如表2所示。数据集的非平衡率（IR）在1.80～41.00之间，样本数在214～1 484之间。为了保证算法的稳定性以及避免随机性，本文采用了五折交叉验证方法，将每个数据集分为5份，同时保持每份子集中样本的非平衡率与总体样本集相同。算法在每个数据集上运行20次，将最后得到的分类结果取平均值。分类算法采用了C4.5、NB、KNN、多层感知机（multi-layer perception，MLP）以及SMO（sequential minimal optimization）作为基分类器和分类性能测试算法，所有的分类器参数均采用Weka的默认设置，分类性能的评价指标为AUC值。为了验证文本提出的算法有效性，将TWD-IDOS、随机过采样（random oversampling，ROS）、随机欠采样（random undersampling，RUS）、BDSMOTE、SMOTE、SBAG4(SMOTEBagging4）[17]以及CBS（clustering-based sampling）[7]7个算法作为比较算法。