《表4 平均G-Mean值》
由表3和表4可见,在类不平衡数据集brain上算法FSHC的分类性能逊于K-OFSD、OFS,在类不平衡数据集lymphoma上算法FSHC的分类性能逊于Fast-OSFS.除以上两个数据集外,算法FSHC的分类性能均优于对比算法.表5给出了特征选择子集的平均分类精度和标准差,分类精度越高说明样本分类越准确,标准差越小说明分类稳定性越高.不难看出,在平均分类精度方面,除了在类别不平衡数据集brain上算法FSHC的分类精度略逊于算法K-OFSD、OFS外,FSHC的分类精度均优于对比算法.
图表编号 | XD00157818600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 陈祥焰 |
绘制单位 | 闽南师范大学计算机学院、数据科学与智能应用福建省高等学校重点实验室 |
更多格式 | 高清、无水印(增值服务) |