《表3 不同适应度函数的分类错误率》
%
从表4列出的数据可以看出,G-CSAO在Iris、Cancer、Heart、Balance和Diabetes等5个数据集上的效果都是最好的,在Thyroid和Wine数据集上,G-CSAO的表现仅次于MlpAnn,在Cancer-Int数据集上,G-CSAO的表现比MltBoost算法差。在Credit和Horse数据集上,G-CSAO的效果仅次于Bagging。在Dermatology数据集上,G-CSAO的效果要比MlpAnn和Bagging差。G-CSAO在Glass数据集上的效果比较一般。综合来看,基于G-CSAO构造的分类器在这12个数据集上取得了不错的效果。
图表编号 | XD00163002700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.01 |
作者 | 许瀚誉、冯翔、虞慧群 |
绘制单位 | 华东理工大学信息科学与工程学院、华东理工大学信息科学与工程学院、华东理工大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |