《表5 阈值变化表：一种可调阈值的数据最优尺度选择算法》

  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

《一种可调阈值的数据最优尺度选择算法》

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

在这之后，我们依据2.2所提方法将原始数据集进行了转换，得到其相对应的多尺度决策表，并依据核属性值分布情况，确定初始的融合阈值（a）及最大融合阈值（M），如表5所示。实验中设定步长为0.01，不断调节阈值变化，得到不同阈值融合结合决策树算法所得到的分类准确性，通过比较确定最优的融合阈值，并将以此阈值进行融合后得到的尺度表，认定为最优尺度表，如Wholesale customers（channel）在不同阈值融合下的决策树分类准确率如图1所示，最终得到的最优阈值为0.02，各数据集在决策树和随机森林算法中得到的最优融合阈值如表5所示。