《表1 多种特征选择方法在不同分类器上的准确率》

  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

《一种基于机器学习的有利区评价新方法》

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

表1为支持向量机递归特征消除、方差分析[20]、随机森林、Lasso回归[21]、岭回归等特征选择算法在逻辑斯谛回归、K近邻算法、决策树[22]、自适应增强算法[23]上的分类准确率比较。由表1可知，岭回归特征选择算法在逻辑斯谛回归、K近邻算法、决策树、自适应增强分类器上的准确率分别是57.5%、58.4%、52.4%、56.0%，且对比其他的特征选择算法，岭回归对应的分类准确率最高。由此说明岭回归特征选择不仅能够选择出比较好的关键特征，而且能够获得较高的分类性能。