《表1 UCI数据集信息:非贪婪的鲁棒性度量学习算法》
为分析本文算法在不同程度噪声下的性能,本组实验基于Statlog(Heart)、Parkinsons(Little等,2007)、Seeds、Sonar和Wine等5个UCI数据集(Dua和Graff,2019)进行方法对比。UCI数据集信息如表1所示。为避免特征尺度与噪声尺度不一致影响实验评价,将数据集每个特征维度的模标准化为1,参考椒盐噪声的定义,随机选取部分样本的部分特征置为0或1作为特征噪声,分别加入比例为5%、15%、25%和30%左右的噪声,按噪声比的平方根对样本数和特征数取整,随机选取对应数量的样本和维度加入噪声。训练集和测试集的比例为7∶3,该划分重复100次,取平均值作为结果。
图表编号 | XD00159731900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.16 |
作者 | 曾凡霞、张文生 |
绘制单位 | 中国科学院自动化研究所、中国科学院大学 |
更多格式 | 高清、无水印(增值服务) |