《表4 各特征选择算法稀疏性》
表3和表4中各特征选择方法时间复杂度和稀疏度的比较结果表明,基于正则化的特征选择算法的运行时间要明显少于其它方法,其中均分式L1/2正则化特征选择的时间开销最少,最终筛选后的最优特征子集中的特征数要少于其它常用的特征选择算法;表5中各特征选择算法筛选后的数据集分类准确率显示,本文提出的均分式L1/2正则化特征选择算法不仅使后续的分类准确率提高,而且性能稳定,鲁棒性更强。以上实验数据表明,均分式L1/2正则化特征选择算法不仅时间开销小,而且能够选取出最具代表性,信息含量最多的特征变量,使后续计算更准确可靠,可以得出,本文提出的均分式L1/2正则化特征选择算法是一种可行有效的特征选择算法。
图表编号 | XD0074389400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.16 |
作者 | 张笑朋、降爱莲 |
绘制单位 | 太原理工大学计算机科学与技术学院、太原理工大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |