《表1 混淆矩阵：基于类中心插值的非均衡数据分类算法》

  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

《基于类中心插值的非均衡数据分类算法》

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

传统的分类器使用分类精度来衡量分类器的分类性能，但是在非均衡数据集中，多数类的数据量远比小样本类别多，一般的分类算法会倾向于大数据样本。虽然把大数据类别划分为一个多类别数据集仍然可以获得不错的效果，但是对小样本数据仍然无法提高其分类精度。所以，传统分类器中的分类精度的评价方法，无法评价非均衡数据集的分类结果。针对这一问题，通常采用F-measure[6]和G-mean[7]的评价方法。它们是建立在混淆矩阵（如表1所示）上的评判方法。