《表1 实验数据库：基于k-means聚类的Bagging算法研究》

  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k-means聚类的Bagging算法研究》

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

通过实验验证基于聚类的Bagging改进算法性能。为了验证算法在多领域的普适性，实验从UCI机器学习库中选择了10个来自选举、医疗、食品、信用评级等多领域的数据库，其中4个数据库包含遗失数据，其主要特征如表1所示。采用70%训练集锦和30%测试集的比例划分数据集。运行实验的平台是由新西兰怀卡托大学提供的机器学习平台Weka，Weka平台是用于数据挖掘任务的机器学习算法和数据预处理工具的集合。Weka能够处理主要的数据挖掘问题：回归、分类、聚类、属性选择等。通过Java编程，Weka提供了包括准备输入数据、统计评估学习算法、可视化输入数据和学习的测试输出等数据分析的全流程解决方案。