《表1 算法HJDFS与DFS合成特征及模型训练时间对比》

  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

《多重属性过滤深度特征合成算法》

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

min

图1给出了本文提出的HJDFS算法和原算法DFS在三个数据集上合成特征时耗费时间对比图，改进的算法对原实体集合做多重属性过滤，使更少的属性参与特征合成，时间耗费大幅度减少。改进的HJDFS算法的时间耗费相较于DFS在三个数据集上均有明显减少，减少比例分别为23.7%、24.4%和40.3%。HJDFS算法不仅在合成特征时具有时间优势，在对合成的特征使用机器学习算法训练时，也有明显优势。表1给出了算法HJDFS与DFS合成特征及模型训练时间（min）对比，改进的算法在不同的机器学习模型上均有明显效率提升，其中在SVM分类器模型上，平均训练时间减少31.41%，在C4.5分类器模型上，平均训练时间减少21.87%，在DNN3分类器模型上，平均训练时间减少21.53%。时间性能的提升可以加快算法反馈效率，成倍增加模型调优的效率，改进的算法在实际应用中具有极高的使用价值。