不同度量下集成属性选择器的对比研究

研究分析了集成属性选择器在不同度量下的分类表现。借助邻域粗糙集,应用3种不同的度量-局部近似质量、局部条件熵、局部邻域决策错误率,构建不同的集成属性选择器。在6组UCI数据集上的实验结果表明,相比于局部近似质量与局部条件熵,在使用局部邻域决策错误率时,对应的集成属性选择器最多能提升将近36%的分类准确率。