《表6 以C4.5为分类器时不同方法的AUC值》
由表5的实验结果可知,LADBMOTE在C4.5、SMO和KNN分类器上的分类效果相比于对比算法的优势较大,而采用NB和MLP分类器时,LADBMOTE的优势较小。当采用MLP分类器时,TWD-IDOS的平均分类效果要优于LADBMOTE。由于篇幅限制,表6列出了各个算法在20个数据集上的具体分类效果,分类算法采用C4.5,K设置为6,集成规则为Sum,评价指标为AUC值。根据表6实验结果可知,本文提出的LADBMOTE在绝大部分数据集上的分类效果都要优于对比算法。而TWD-IDOS在ecoli1、glass6、ecoli3、yeast1v7、glass4和yeast2v8数据集上的分类效果比LADBMOTE好。
图表编号 | XD00134718800 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) |