《表2 数据集分布：基于不平衡大数据的CS-AdaBoost-DT模型在家电产品质检中的应用》

  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

《基于不平衡大数据的CS-AdaBoost-DT模型在家电产品质检中的应用》

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

研究使用德国Bosch家电公司在Kaggle竞赛平台上公布的车间生产数据。数据主要包含：产品序号、工序编号、产品类别。每件产品均具有唯一编号，即表2中的产品序号；每个工序也具有唯一编号，如L0S8＿F＿144表示编号为0的生产线上，第8个站点上的第144道工序；产品类别对应于Response列，-1为合格品，1为不合格品。智能质检模型根据大量的产品数据进行学习与迭代，最终依据产品在各工序上的参数值对产品进行智能分类[25]。本文选取6 731件不合格品，36 781件合格品，二者分布比例为1.83:10；然后采用特征工程中XGBoost算法识别出不同工序的优先级别，最终保留排名前50的工序作为分类特征（如图2），处理后的部分数据见表2。