《表4 尺度上推:不同算法的NMI比较》
NMI是评价分类性能的一个重要指标,一般值越大,说明分类效果越好。它用于表征样本真实类别和预测类别之间的吻合程度。NMI值越大,表明真实结果和实验结果越接近。对表4和图7中的数据进行分析可以发现,UAMSC在不同数据集上的NMI值均高于其他算法,相对于D tree(平均NMI值最低)和MSCSUA (仅次于UAMSC),分别提升了17.7%和5.9%。尤其在针对WDBC和QSAR数据集实验中,UAMSC相对于CFW NMI值分别提升了37.5%和18.3%。通过对数据进行观察可以看出,UAMSC与其他算法相比,NMI值有明显的提升,且平均值在60%以上。
图表编号 | XD00202113100 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.05 |
作者 | 张璐璐、赵书良、田真真、陈润资 |
绘制单位 | 河北师范大学计算机与网络空间安全学院、河北师范大学河北省供应链大数据分析与数据安全工程研究中心、河北师范大学河北省网络与信息安全重点实验室、河北师范大学计算机与网络空间安全学院、河北师范大学河北省供应链大数据分析与数据安全工程研究中心、河北师范大学河北省网络与信息安全重点实验室、河北师范大学计算机与网络空间安全学院、河北师范大学河北省供应链大数据分析与数据安全工程研究中心、河北师范大学河北省网络与信息安全重点实验室、河北师范大学数学科学学院 |
更多格式 | 高清、无水印(增值服务) |