《表5 Prostate数据集分类准确度Tab.5 Accuracy of Prostate data set》
表3~5展示了不同特征选择方法在不同阈值α下获得的特征子集使用支持向量机得到的分类准确度。加黑字体部分为同一阈值下不同特征选择方法到达的最高准确度。从实验结果可以看出,集成特征选择方法得到的特征子集具有比单一方法更好的预测性能。采用的3种聚合方法中,中位数聚合方法在Colon数据集和Leukemia数据集表现出最佳的性能,但在Prostate数据集中,均值聚合方法表现的性能更好。说明针对不同的数据集应该选取不同的聚合方法。阈值α取值在0.05左右已经可以达到一个较好的分类准确度,当阈值α取值在[0.08,0.1]范围时,分类准确度不仅不会增加,反而会减小。原因是由于不同特征之间具有一定的相关性,过多的特征会造成数据的冗余,增加数据的噪声,从而导致分类性能的降低。如何减少特征子集的冗余是下一步研究的方向。
图表编号 | XD0040104900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.01 |
作者 | 杜冲、周长银、李悦、李潇宁 |
绘制单位 | 山东科技大学数学与系统科学学院、山东科技大学数学与系统科学学院、山东科技大学数学与系统科学学院、山东科技大学数学与系统科学学院 |
更多格式 | 高清、无水印(增值服务) |