|
关注：1
2013-05-23 12:21
求翻译：Figure 3 compares gains in adversary's and researcher's respective accuracies for the “Marital" dataset (workload w is learning the”salary" attribute). The classification accuracies with the sensitive attribute removed were 80.73% for J48, 77.12% for Random Forests, and 79.45% for Naive Bayes是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
Figure 3 compares gains in adversary's and researcher's respective accuracies for the “Marital" dataset (workload w is learning the”salary" attribute). The classification accuracies with the sensitive attribute removed were 80.73% for J48, 77.12% for Random Forests, and 79.45% for Naive Bayes
问题补充： |
|
2013-05-23 12:21:38
正在翻译，请等待...
|
|
2013-05-23 12:23:18
图3比较在各自的敌人的和的研究员的上获取“婚姻”数据集的准确性(工作量w学会”薪金”属性)。与敏感属性的分类准确性去除了80.73% J48的， 77.12%任意森林的和79.45%对于天真Bayes.Thus，公共事业的基准被设置了到80.73%。
|
|
2013-05-23 12:24:58
图3比较在敌人的和研究员的上获取各自 准确性为“婚姻”数据集 (工作量w学会”薪金" 属性)。 分类准确性以敏感属性 去除了80.73%为J48， 77.12%为任意森林和79.45% 为天真Bayes.Thus，基础线为公共事业被设置了到80.73%。
|
|
2013-05-23 12:26:38
图 3 比较收益在对手的和研究员的各自准确性为"婚姻"数据集 （工作量 w 学习的"工资"属性）。用删除的敏感特性分类精度 J48 80.73%、 随机森林的 77.12%和天真 Bayes.Thus 79.45%，实用程序的基准设置为 80.73%。
|
|
2013-05-23 12:28:18
图3比较收益在对手和研究员准确度的各自的“婚姻”数据集[工作负荷W学习"薪"属性]。 分类的准确度的敏感特性下j48 80.73%,77.12%的随机森林,79.45%的Naive Bayes。因此,基线的实用程序设置为80.73%。
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
