《表7 五种特征选择过滤器在NB上的平均分类精度比较》
表6~8分别给出了算法MBRPSO、IAMB、PCMB、HITON_MB和MMMB的预测误差,以及同一特征选择方法在不同数据集中的平均分类精度。最低的预测误差以粗体突显。从表中可以看出,MBRPSO的分类性能优于其他马尔科夫毯滤波器,体现出在数据集不满足忠实分布的情况下,引入马尔科夫毯代表集的优势。分析表6得对于KNN,在本节的12组实验中,MBRPSO算法在9个数据集中始终优于其他方法,其平均值为84.77%,分别比IAMB、PCMB、HITOM_MB和MMMB高4.28%、7.69%、3.48%和6.97%。表7展现出了对于NB,MBRPSO算法在10个数据集中始终优于其他方法,其平均值为85.53%,分别比IAMB、PCMB、HITOM_MB和MMMB高9.44%、10.07%、5.43%和7.78%。从表8可得,对于SVM,MBRPSO算法在9个数据集中始终优于其他方法,其平均值为85.49%,分别比IAMB、PCMB、HITOM_MB和MMMB高9.16%、8.97%、7.09%和7.94%。
图表编号 | XD00201604800 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.15 |
作者 | 李静星、杨有龙 |
绘制单位 | 西安电子科技大学数学与统计学院、西安电子科技大学数学与统计学院 |
更多格式 | 高清、无水印(增值服务) |