《表7 不同方法在不同分类器下的平均序值》

  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

不同方法在不同分类器下的平均序值如表7所示。当显著度为0.05时，在20个数据集，8种算法上的临界值域CD=2.34。图7给出了在显著度为0.05下的Friedman检验图。在图7中，纵轴为平均序值，横轴显示为本文所采用的各个算法，“*”所对应的纵坐标为对应算法的平均序值，以“*”为中心的竖直线段表示临界值域CD的长度。如果两个算法所对应的线段没有交叠部分，则表明这两个算法有显著差别，并且平均序值小的算法显著优于平均序值大的算法。若两个算法所对应的线段有交叠，则表明没有显著差别。由图7所示，当使用C4.5分类算法时，LADBMOTE都显著优于其他7个对比算法。当使用SMO分类算法时，LADBMOTE要显著优于TWD-IDOS、CBS、SMOTE、RUS、ROS和BDSMOTE。当使用KNN分类算法时，LADBMOTE要显著优于SMOTE、ROS、RUS、TWD-IDOS和BDSMOTE。当使用NB分类算法时，LADBMOTE要显著优于SMOTE和BDSMOTE。当使用MLP分类算法时，LADBMOTE要显著优于RUS、BDSMOTE和ROS。