研究文章
优化Mahalanobis-Taguchi系统高维小样本数据分类
表5
之间的比较结果优化MTS和高维小样本数据的分类方法。
|
|
优化MTS |
古典MTS |
决策树 |
| 救援 |
SVM-RFE |
| 数的功能 |
15 |
20. |
15 |
15 |
| 训练集 |
0.9194 |
0.8722 |
0.8333 |
0.8444 |
| 测试集 |
0.9067 |
0.8633 |
0.8433 |
0.8533 |
|
|
支持向量机 |
然而, |
|
| 救援 |
SVM-RFE |
救援 |
SVM-RFE |
|
| 数的功能 |
15 |
15 |
15 |
15 |
|
| 训练集 |
0.8722 |
0.8944 |
0.8583 |
0.8750 |
| 测试集 |
0.8733 |
0.8967 |
0.8600 |
0.8867 |
|
|
