《表7 基于Sonar数据集的机器学习算法在特征子集和全集下5FCV分类性能》
%
对于Pima数据集而言,只包含了7个输入特征,维度并不算高.为了验证FSPF特征选择算法是否具有通用特性,需要验证对于高维或超高维数据集(含有几十个甚至几百个属性特征)经过FSPF算法特征选择之后,是否会有助于分类模型性能的提高.利用该算法对Sonar,Ionosphere和WDBC数据集进行特征选择,然后使用KKNN、RF、ANN、GBM、DT、SVM分类模型,在FSPF选取的特征子集下给出上述分类模型的预测性能并与全特征空间下的性能进行对比,结果见表7—9.
图表编号 | XD00148486900 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) |