《表1 不同分类器的性能比较》

  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

《基于离群点检测的电类实验教学中错误数据判决算法》

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MSOD算法中，需以Sk区域的半径h作为输入值，同时研究h的不同取值对MSOD算法性能的影响。在图2中作不同分类模型的ROC曲线，包括h取不同值时的MSOD算法的ROC曲线，以及以理论值作为离群点分界圆的圆心对数据集进行分类的ROC曲线（“Untreated”曲线）。从图2可以看出，对于MSOD算法的ROC曲线，当h从0.012一直增加到0.017时，ROC曲线都非常靠近左上角，所以MSOD算法的分类效果都很好。表1中进一步量化了不同分类器的预测正确率和AUC值，由表1可见，对于MSOD分类算法，当h在[0.012，0.017]范围内取不同的值，AUC的大小都在0.930左右，并且离群点检测的正确率都在0.960左右。这表明在MSOD算法中，初始值h的不同取值不会对MSOD算法的性能产生影响，表明MSOD算法具有健壮性，有效地克服了现有算法对初始参数敏感的缺点。