《表1 数据集详细信息：面向不均衡数据集的过抽样算法》

  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

《面向不均衡数据集的过抽样算法》

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

本文实验选用了六个数据集分别为pimax、german3、horseM、breastM、ilpdM、transfusionM。这六个数据集源于不同的实际应用领域，数据集的详细信息见表1，其中样本比率表示多数类与少数类的数目之比，数值越大表明该数据集的不均衡程度越大。在实验中曾尝试在输入数据时采用归一化处理，但是与未采用归一化处理相比较，除了在transfusionM数据集上分类性能略有提升之外，其他数据集上所得分类性能均有较为严重的下降。此外，尝试在子步骤isUse（xj）计算欧氏距离时采用归一化处理，分类性能却略有下降。基于分类性能以及复杂度的考虑，实验中将不再对数据进行归一化处理。