《表3 与传统不平衡数据集处理算法的结果对比》
进一步地,为了验证所提出算法中的核心部分贝叶斯最小风险预测相比传统不平衡分类算法的优越性能,在同样的模型下,分别采用权重法与SMOTE过采样这两种方法处理训练集,来代替本文的贝叶斯最小风险预测方法。在SMOTE处理过程中,调节采样率生成与多数类等量的少数类样本;在权重法中,则按照样本比例加权。从表3的对比结果中可以看出,本文算法相比SMOTE方法与权重法在灵敏度上分别提高了3.85%、4.98%,F2分数提高了0.028 5、0.038 4。这一结果表明,本文提出的算法在不平衡数据集上的效果要优于传统的权重法与SMOTE算法。
图表编号 | XD003911300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 卫作臣、邹俊忠、张见、陈兰岚 |
绘制单位 | 华东理工大学信息科学与工程学院自动化系、华东理工大学信息科学与工程学院自动化系、华东理工大学信息科学与工程学院自动化系、华东理工大学信息科学与工程学院自动化系 |
更多格式 | 高清、无水印(增值服务) |