《表6 基于Pima数据集的机器学习算法在特征子集和全集下5FCV分类性能》

  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

《基于伪F统计量的属性特征降维方法研究》

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

%

除主流的机器学习分类算法K近邻之外，通过伪F统计量筛选重要性特征对其他分类方法是否有效？选取随机森林（RF）、人工神经网络（ANN）、梯度提升机方法（GBM）、决策树（DT）、基于高斯核函数的支持向量机（SVM），给出每种方法在全集和一个相对最优子集上的5折交叉验证分类预测性能，进而给出对比结果见表6.