《表2 尺度上推:不同算法的CA比较》

  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

《多尺度分类挖掘算法》

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

通过对表2中的数据进行分析可以看出，UAMSC在不同数据集上的CA值均高于其他对比算法，在WDBC和waveform数据集上尤其明显。针对WDBC而言，相比D tree和MSCSUA，分别提高了8.8%和3.4%；针对waveform而言，相比D tree和MSCSUA，分别提高了12.4%和3.1%。对比发现，CFW在H data上准确率相对较高，而在其他四个数据集上相对来说处于劣势，这是因为这四个数据集特征不同，取值个数较多，且难以形成代表性规律，导致该算法在数据集上泛化性能较差，而H data不同取值个数较少，且分布规律明显，适用于该算法，因此泛化性能较强，准确率较高。就整体平均值而言，与其他算法相比，UAMSC约有4.5%的性能提升。