《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》

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。