《表4 KNN分类器下分类精度比较》
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。
图表编号 | XD0092512600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 林芷欣、刘遵仁、纪俊 |
绘制单位 | 青岛大学计算机科学技术学院、青岛大学计算机科学技术学院、青岛大学计算机科学技术学院 |
更多格式 | 高清、无水印(增值服务) |