《表4 KNN分类器下分类精度比较》

  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Relief属性重要度的快速约简算法》

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

由图3可知，两种算法在两种分类器下的走势基本一致，对样本的分类精度都能达到80%以上，数据集1和数据集2中，FARABR算法的分类精度明显高于FHARA算法的分类精度，但第三个数据集中两种算法的分类精度却比较接近，这是由于随着数据量的增多，仅通过距离来判断属性重要度的条件过于单一。受数据中其他噪声的影响造成FARABR算法的分类精度较低的情况。但从整体来说，本文算法仍能获得更好的分类精度。