《表2 实验结果图：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

在Weka实验环境下，其部署的选项如下：将常规Bagging算法的迭代次数设置为10次，将改进算法的迭代次数设置为100次，同时将-k选项设置为（10，100）次（设置集群数量的-k选项）。然后，可以在相同的水平上对这些方法进行评估，因为所有的集合都具有相同的大小，等于10（每个集合由10个单独的分类器组成）。我们选择REPTree作为所有算法的基分类器。此外，将实验类型设置为交叉验证（crossvalidation），折叠次数为10次。为了增强实验的鲁棒性，我们对每个数据集重复测量了10次。实验结果如表2所示。