《表3 各算法的性能比较》
实验选取各模型与不平衡学习算法进行比较,如表3所示,包括传统分类模型:K最近邻分类(KNN)、贝叶斯算法(Bayes)、决策树算法(DecisionTree)、神经网络多层感知器(MLP)和支持向量机算法(SVM);集成学习模型:Bagging、AdaBoost、GBDT、RF和ET;集成学习与平衡学习改进模型:BalancedBagging、EasyEnsemble、BalancedRF和RUSBoost;抽样与集成学习融合模型:SMOTE+ET、BorderlineSMOTE+ET、ADASYN+ET。实验结果表明,使用ADASYN上抽样和集成学习ET分类性能较好,Avg_Acc达到82.53%,G_mean达到80.74%,均优于其他算法。
图表编号 | XD0079752500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.15 |
作者 | 袁帅、张慧丽、王晓燕、王涵、赵波 |
绘制单位 | 郑州电力高等专科学校信息通信系、郑州电力高等专科学校信息通信系、郑州电力高等专科学校信息通信系、郑州电力高等专科学校信息通信系、郑州电力高等专科学校信息通信系 |
更多格式 | 高清、无水印(增值服务) |