《表7 不同方法在不同分类器下的平均序值》
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。
图表编号 | XD00134718400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 杨浩、陈红梅 |
绘制单位 | 西南交通大学信息科学与技术学院、西南交通大学信息科学与技术学院、云计算与智能技术高校重点实验室(西南交通大学) |
更多格式 | 高清、无水印(增值服务) |