《表4 30%数据缺失率的5种填充算法分类性能比较表》
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。
图表编号 | XD005831900 严禁用于非法目的 |
---|---|
绘制时间 | 2018.09.26 |
作者 | 孙华艳、李业丽、字云飞、韩旭、管欣鑫、周楚风 |
绘制单位 | 北京印刷学院信息工程学院、北京印刷学院信息工程学院、北京印刷学院信息工程学院、北京印刷学院信息工程学院、北京印刷学院信息工程学院、北京印刷学院信息工程学院 |
更多格式 | 高清、无水印(增值服务) |