《表3 不同分类策略的性能对比》
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Wasserstein GAN的新一代人工智能小样本数据增强方法——以生物领域癌症分期数据为例》
由表3可见,使用训练样本分别对RF、NB进行训练,采用测试样本测试,accuracy分别为54.84%和32.26%,F-m e a s u r e分别为5 6.7 3%和1 2.2 0%,G-m e a n分别为45.50%和0,三项指标均较低,大量肝癌样本没有被识别出来,尤其是NB的各项指标远低于RF,说明在这一数据集中NB相比于RF对样本数量更加敏感。这一结果表明在小样本数据的环境下,难以对经典机器学习模型进行有效训练。
图表编号 | XD0061018700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.01 |
作者 | 刘宇飞、周源、刘欣、董放、王畅、王子鸿 |
绘制单位 | College of Life Science and Technology,Huazhong University of Science and Technology、School of Public Policy and Management,Tsinghua University、Center for Strategic Studies,Chinese Academy of Engineering、School of Public Policy and Management,Tsinghua Uni |
更多格式 | 高清、无水印(增值服务) |