《表3 数据集信息：储层预测的代价敏感主动学习算法》

  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

《储层预测的代价敏感主动学习算法》

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

实验采用三个真实的测井数据集，包括某油气田公司滇黔川地区天然气井数据、美国Hugoton油气田的井下数据和Panoma油气田井下数据，具体信息如表3所示.数据的属性包括伽马射线、电阻率、光电效应、中子密度空隙率等属性指标，最终的储层预测目标为干层或气层等决策信息.实验采用完全随机缺失（Missing Completely at Random，MCAR）的方法，并且设置缺失率为10%～50%.实验中相应的代价设置：属性查询代价a=0.2，标签查询代价t=1，误分类代价M （li，yi）=2.