《表2 实验数据集描述:基于欠采样和代价敏感的不平衡数据分类算法》
为了衡量本文提出的USCBoost算法的性能,使用UCI中标准数据库10组数据集训练分类器并对实验结果进行分析。实验数据集的不平衡度(Imbalance Ratio,IR)从1.8到24。其中有的数据中为多分类数据集,本实验将这些数据集中的某些类别合并成二分类数据集。例如在Ecoli数据集中,样本分为8类,Ecoli_5表示将数据集中类别为5的样本作为少数类,并将剩余其他类别的样本合成多数类。实验数据集信息如表2。
图表编号 | XD00201762500 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.10 |
作者 | 王俊红、闫家荣 |
绘制单位 | 山西大学计算机与信息技术学院、计算智能与中文信息处理教育部重点实验室(山西大学)、山西大学计算机与信息技术学院、计算智能与中文信息处理教育部重点实验室(山西大学) |
更多格式 | 高清、无水印(增值服务) |