《表1 实验数据集：分类器评价指标MCC、CEN和ACC的比较研究》
提示：宽带有限、当前游客访问压缩模式
实验所用数据集均下载自机器学习数据库UCI，包括8个多类问题数据集和4个二类问题数据集，数据集具体描述见表1.
| 图表编号 | XD00172864500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.05.30 |
| 作者 | 张冰、刘林、王淑琴、田秀伟 |
| 绘制单位 | 天津师范大学计算机与信息工程学院、天津师范大学计算机与信息工程学院、天津师范大学计算机与信息工程学院、天津师范大学计算机与信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 数值属性和分类属性数据集实验结果比较》2020.11.01
- 《表3 不同分类器使用不同特征集的损失(Loss，越小越好)和准确率(Acc，越大越好)》2020.06.20
- 《表2 实验数据集信息：不平衡数据分类中的数据重采样比较研究》2020.06.10
- 《表1 实验数据集信息：基于异构分类器集成的增量学习算法》2020.04.01
- 《表5 各算法在实验数据集上的Acc值》2020.04.01
- 《表4 各组实验使用的训练集和分类器模型》2020.04.25
- 《表1 实验数据：基于BiGRU和贝叶斯分类器的文本分类》2020.02.16
- 《表1 0 KDDCup数据集朴素随机过采样和投票分类器相结合》2019.12.15
- 《表3 UCI数据集上不同分类器分类效果的比较》2019.11.01
- 《表6 采用70%/30%法划分数据集时, 使用5NN分类器的CA和DR》2019.07.26
- 《表5 用10-折交叉验证法划分数据集时, 使用3NN分类器的CA和DR》2019.07.26
- 《表3 用10-折交叉验证法划分数据集时, 使用J48分类器的CA和DR》2019.07.26
- 《表2 用70%/30%法划分数据集时, 使用1NN分类器的CA和DR》2019.07.26
- 《表1 指标描述：邻域粗糙集融合网格搜索组合分类器的理财决策知识获取研究》2019.01.25
- 《表5 各分类器在训练数据集和测试数据集的F1值》2019.04.25
- 《表1 实验数据集：光纤网络异常数据特征分类研究》2019.05.25
- 《表1 实验数据集：基于Stacking策略的稳定性分类器组合模型研究》2019.05.01
- 《表3 五种分类器对Iris、Wine和Seeds数据集的分类结果》2019.01.05
- 《表3 4种特征选择算法分别在4种分类器与2个实验数据集上的准确率》2018.04.01
- 《表1 UCI实验数据集：基于拟合型弱分类器的AdaBoost算法》2019.11.20