《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》

  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

《基于欠采样和代价敏感的不平衡数据分类算法》

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

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。