《表2 类别不平衡数据集和常规数据集》

  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

为了验证FSHC算法的有效性，选取12个高维数据集进行实验，包括9个类别不平衡数据集和3个常规数据集，其中，brain、car、dlbcl、DrivFace、glioma、lung、lung2、lymphoma、srbct为类别不平衡数据集，colon、mll、prostate为常规数据集，描述信息见表2．对多类别数据集而言，由于类别存在对立的关系，当类别足够多样时，遍历到某一类样本即可视为小类样本，假设为正类，其余类样本即为异类，同理，遍历其余类别样本亦如此．