《表5 阈值变化表:一种可调阈值的数据最优尺度选择算法》
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。
图表编号 | XD00146268800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.15 |
作者 | 陈鹏、马腾俊、余肖生 |
绘制单位 | 三峡大学计算机与信息学院、三峡大学计算机与信息学院、三峡大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |