《表3 k=10 F1 (%) 值》
分析以上三组实验结果可知,总体上,上述三种特征选择方法在分类器参数k=10与k=15的情况下达到相对较好的效果,k=5的情况下F1值最低。就特征选择比例α而言,在α取0.85时分类效果最佳,之后趋于稳定。使用CHI与IG特征选择的F1值在相同实验条件下有可能会出现相差较大的情况,例如,在k=10,α为0.80下,CHI的F1值为84.85%,而IG的F1值只有79.51%,此时CHI-IG方法的F1值为86.68%,与CHI的F1值保持相近。在k=15,α为0.80下,CHI的F1值为79.52%,而IG的F1值较大,为83.61%,此时CHI-IG方法的F1值为85.58%,与CHI的F1值保持相近。在k=15,α=0.90的情况下,CHI-IG的F1值为91.13%,为整个实验的最佳效果。综上分析,本文提出的CHI-IG混合方法不仅效果明显优于传统的单一特征选择方法,而且效果相对稳定。
图表编号 | XD0033265600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.25 |
作者 | 唐康、汪海涛、姜瑛、陈星 |
绘制单位 | 昆明理工大学云南省计算机技术应用重点实验室、昆明理工大学云南省计算机技术应用重点实验室、昆明理工大学云南省计算机技术应用重点实验室、昆明理工大学云南省计算机技术应用重点实验室 |
更多格式 | 高清、无水印(增值服务) |