《表2 不同算法在各数据集上的精度比较 (集成规模=10) Table 2 Accuracy values of the different algorithms on datasets (ensem
当集成的规模设置为10个,即DTELARS是从10个训练决策树中进行选择和集成,Bagging和Boosting是分别训练和使用10个决策树进行集成,不同算法得到的分类精度如表2所示。表2最后一列为DTELARS集成中决策树的平均数目,表中的avg表示在全部数据集上分类精度的平均值。如表2所示,DTELARS得到的平均分类精度为87.43%,比仅使用一个决策树进行分类的平均精度高出3.48%,比Bagging高出1.92%,比Boosting高出1.40%,DTELARS在所有数据集上的平均分类精度均超过其它的算法。由DTELARS创建的集成中所使用的决策树数目仅是Bagging和Boosting使用数目的54%(5.4/10.0)。
图表编号 | XD0022572900 严禁用于非法目的 |
---|---|
绘制时间 | 2018.08.01 |
作者 | 时雷、段其国、张娟娟、熊明阳、席磊、马新明 |
绘制单位 | 河南农业大学信息与管理科学学院,河南粮食作物协同创新中心、郑州商品交易所、河南农业大学信息与管理科学学院,河南粮食作物协同创新中心、河南农业大学信息与管理科学学院,河南粮食作物协同创新中心、河南农业大学信息与管理科学学院,河南粮食作物协同创新中心、河南农业大学信息与管理科学学院,河南粮食作物协同创新中心 |
更多格式 | 高清、无水印(增值服务) |