《表2 UCI、KEEL数据集实验结果》
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。
图表编号 | XD00189229800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.05 |
作者 | 韩忠明、刘聃、段大高、杨伟杰、张珣 |
绘制单位 | 北京工商大学计算机与信息工程学院、北京工商大学食品安全大数据技术北京市重点实验室、北京工商大学计算机与信息工程学院、北京工商大学食品安全大数据技术北京市重点实验室、北京工商大学计算机与信息工程学院、北京工商大学食品安全大数据技术北京市重点实验室、北京工商大学计算机与信息工程学院、北京工商大学计算机与信息工程学院、北京工商大学食品安全大数据技术北京市重点实验室 |
更多格式 | 高清、无水印(增值服务) |