《表4 30%数据缺失率的5种填充算法分类性能比较表》

  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

《基于分类的加速EM缺失数据填充算法》

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

由表3~表5可知，相比其他4种算法，本文提出的NIEM算法对于实验中的数据集均具有更高分类准确率，算法收敛速度快，聚类稳定，数据填充效果显著。图1和图2描绘了在不同数据丢失率下通过5种填充算法填充数据集Glass和Vote得到的测试集分类准确率比较折线图。由图可知，NIEM算法的分类性能优于其他5种填充算法。对比两幅图可知EBN算法分类性能优于Mean、N.B.、KNN算法。KNN算法在数据集Glass上的分类性能高于Mean、N.B.算法，在Vote上的分类性能低于其他四种算法，可知不同的数据集影响算法的分类性。