《表6 算法比较序值表：利用一致性分析的高维类别不平衡数据特征选择》

  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

《利用一致性分析的高维类别不平衡数据特征选择》

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

序值表6中的子表（a)-(c）分别根据表3-表5的测试结果给出了多数据集多算法在F-Score、G-Mean和分类精度评价指标上的算法比较序值表，各算法在每个数据集上根据测试性能由好到坏排序，并赋予序值，若算法的测试性能相同，则平分序值．表6横轴的数字对应表3的表头横轴代表的算法，纵轴的数字对应表3的表头纵轴代表的数据集，其中，最后一行表示各算法的平均序值．对表F检验参数alpha取0.05的常用临界值表可知，8个算法12个数据集的临界值为2.131，根据Friedman统计量公式，计算F-Score、G-Mean、分类精度的τF值分别为7.934、6.998、9.299，均大于F检验临界值2.131，拒绝“所有算法性能相同”的假设，进行Nemenyi后续检验．对表Nemenyi检验参数alpha取0.05的常用qα值表可知，8个比较算法的qα值为3.031，根据Nemenyi检验的临界值域公式，计算得到临界值域CD为3.031.