《表1 UCI数据集信息：非贪婪的鲁棒性度量学习算法》

  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

《非贪婪的鲁棒性度量学习算法》

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。