《表2 UCI、KEEL数据集实验结果》

  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

《改进的不平衡贝叶斯学习分类模型研究》

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

上述方法在UCI、KEEL数据集上的实验结果如表2所示。神经网络假设数据集中各类样本的数量分布大致相同，WDBC数据集的不平衡比例较低，因此神经网络可以在WDBC数据集上取得较好的结果。在abalone、balance、ecoli和yeast数据集上，数据的偏态分布更严重，神经网络无法正确分类少数类样本，如在abalone数据集上，神经网络将所有测试样本预测为多数类，造成mean为0.5和G-mean为0的较差结果。