《表3 SVM-RFE算法特征筛选阈值对比》

  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

《基于集成学习的铸件缺陷识别方法》

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

为了有效验证本文方法，主要讨论特征筛选阈值的选取对方法的影响，并与相关模型进行对比。选取10%、20%、50%和100%4种不同的筛选阈值对本文方法进行验证，验证结果如表3、图5和图6所示。由结果可知，选取前20%的特征数量在测试集准确率均值和测试集漏报率均值两方面均好于其他3个筛选阈值。由此可见，筛选阈值的提高会使输入模型的特征包含更多冗余信息，筛选阈值的降低会使输入模型的特征缺失一些较重要的信息，这都体现出本文方法在提取关键敏感信息方面的有效性。