30、匿名数据集上分类器性能的研究与分析

匿名数据集上分类器性能的研究与分析

1. 研究背景与问题提出

在数据需要公开发布时，数据匿名化成为保护个人隐私的重要研究方向。常见的匿名化技术包括 k - 匿名、ℓ - 多样性和 t - 接近性。本研究旨在探讨不同分类算法在匿名数据集上的性能变化，以及数据集属性和匿名化参数对分类器性能的影响。具体提出了以下四个研究问题：
- RQ1：不同分类算法在匿名数据集上训练时，其性能如何变化？
- RQ2：哪些分类器受匿名化技术的影响更大？
- RQ3：哪些数据集属性会影响分类器在匿名数据集上的性能？
- RQ4：匿名化参数的变化如何影响分类器的性能？

2. 实验设置

• 分类算法 ：选择了八种知名的分类算法，包括 DT（决策树）、NB（朴素贝叶斯）、kNN（k 近邻）、SVM（支持向量机）、RF（随机森林）、LR（逻辑回归）、AB（Adaboost）和 BG（Bagging）。
• 数据集 ：使用了十个基准数据集，涵盖了不同的大小、属性数量和类别标签数量。
• 匿名化技术 ：采用了 k - 匿名、ℓ - 多样性和 t - 接近性三种匿名化技术。

3. 实验结果

3.1 RQ1：不同分类算法在匿名数据集上的性能变化

分类算法的性能比率（基于十个数据集的汇总结果）如表 1 所示。可以观察到，AB 分类器在所有性能指标和匿名化技术下都显示出最高的比率。当 AB 在 3 - 匿名和 2 - 多样数据集上训练时，