《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》
%
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.
图表编号 | XD00148486600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.20 |
作者 | 刘文博、梁盛楠、余泉、董小刚 |
绘制单位 | 黔南民族师范学院数学与统计学院、黔南民族师范学院数学与统计学院、黔南民族师范学院数学与统计学院、长春工业大学数学与统计学院 |
更多格式 | 高清、无水印(增值服务) |