《表2 τ=0.7时HC1的实例数和分类精度 (German信用数据)》

  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

《基于模糊粗糙集实例选择的混合算法在信用评分中的应用》

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

图2和图3是根据密度聚类算法[22]绘制的German和Australian数据集的MDS图.MDS图表明，German的数据分布比较分散，而Australian数据相对比较集中.从表2～表7可以看出，固定τ值，German信用数据的约简结果随着α的改变而剧烈变化，而Australian信用数据的约简结果却对比变化不大.再观察表8和表9，随着α值的变化，2个数据集的约简结果变化趋势相似，约简结果完全由颗粒度系数决定.上述现象说明，由于German数据集分散的特性，HC1通过固定门限剔除了更多的孤立和不一致实例.而HC2通过动态的正域探索数据结构，比HC1剔除了更多的Australian数据集中的噪声实例，但却用更少的实例获得了更好的分类精度.从实验结果来看，HC1更适合分散型的数据集，而HC2对相对集中的数据集更加有效.