《表2 数据集的主要特征:基于标签特征和相关性的多标签分类算法》
本文使用|D|、dim(D)和L(D)分别表示数据集D中实例的数目、特征数和可能的标签数。为了验证LSFLC的性能,选择了八个有代表性的数据集,这些数据集通常用于多标签学习,如表2所示。为了描述引言中类不平衡问题,这里定义多标签属性aveR(D)表示数据集D不平衡率的平均值,定义PaveR(D)表示第一步正类实例补充之后的数据集不平衡率的平均值。
图表编号 | XD0035439400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.15 |
作者 | 李锋、杨有龙 |
绘制单位 | 西安电子科技大学数学与统计学院、西安电子科技大学数学与统计学院 |
更多格式 | 高清、无水印(增值服务) |