《表1 实验数据集：针对高维数据的马尔科夫毯特征选择》

  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

《针对高维数据的马尔科夫毯特征选择》

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

在表1中，选择了UCI的12个基准数据集，其中有5个机器学习数据集存储库（Spect、Wdbc、Spectf、Promoter、Spambase）、4个生物医学数据集（Colonoscopy、Scadi、Arrhythmia、Dermatology）、2个2003NIPS特征选择挑战数据集（Madelon、arcene）和1个图像处理数据集（Driv Face）。这12个数据集涵盖了广泛的实际应用，包括临床成像、基因表达、生态学和分子生物学。12个数据集的维度从22到10 000、样本大小从70到数千、数据集的类别从2到16，代表性广泛。对表1中的每个数据集，随机选取50%的实例作为所有实验应用的训练数据集，其余50%的实例作为测试数据集。利用训练数据通过各种特征选择方法来选择最优的特征子集。然后将所选择的最优特征子集应用于测试数据。