《表4 k=15 F1 (%) 值》

  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

《混合CHI与IG的特征选择方法研究》

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

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。