《表2 基于SVM分类器上各特征合成方法的比较》
综上可知,本文提出的HJDFS算法在对特征进行融合之前多重过滤了实体中的部分属性,降低了合成后特征集合的冗余度,不仅减少了算法合成特征所需要的时间,也减少了算法合成特征集合需要的时间与模型训练时间,从而加快算法反馈效率,成倍增加模型调优的效率。实验结果同时表明,改进的算法减少了重要属性与不重要属性融合生成迷惑性特征的数量,减小了后续特征处理与数据降维的难度,从而提高了在最终分类器模型上的预测准确率。
图表编号 | XD00163020900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.15 |
作者 | 王立可、崔小莉、张力戈 |
绘制单位 | 中国科学院成都计算机应用研究所、中国科学院大学、四川虹信软件股份有限公司、中国科学院成都计算机应用研究所、中国科学院大学 |
更多格式 | 高清、无水印(增值服务) |