Table 8 Performance results of methods on Experiment 3 (Train and Test Dataset)

No

Feature

Selection

Unbalanced

LR

0,95

0,67

0,60

0,79

0,63

DT

0,96

0,70

0,70

0,84

0,70

RF

0,92

0,33

0,10

0,54

0,15

XGM

0,92

0,40

0,20

0,59

0,27

SVM

0,93

0,50

0,60

0,78

0,55

KNN

0,93

0,00

0,00

0,50

0,00

GNB

0,13

0,07

0,90

0,49

0,13

MLP NN

0,94

0,60

0,60

0,78

0,60

Adaboost

0,88

0,13

0,10

0,52

0,11

SGD

0,93

0,55

0,60

0,78

0,57

SMOTE

LR

0,93

0,53

0,80

0,87

0,64

DT

0,90

0,36

0,40

0,67

0,38

RF

0,92

0,33

0,10

0,54

0,15

XGM

0,90

0,36

0,40

0,67

0,38

SVM

0,94

0,63

0,50

0,74

0,56

KNN

0,87

0,36

0,90

0,89

0,51

GNB

0,18

0,08

0,90

0,51

0,14

MLP NN

0,95

0,62

0,80

0,88

0,70

Adaboost

0,89

0,33

0,50

0,71

0,40

SGD

0,94

0,60

0,60

0,78

0,60

With

Feature

Selection

Unbalanced

LR

0,94

0,60

0,60

0,78

0,60

DT

0,96

0,70

0,70

0,84

0,70

RF

0,93

0,60

0,30

0,64

0,40

XGM

0,92

0,33

0,10

0,54

0,15

SVM

0,96

0,67

0,80

0,88

0,73

KNN

0,93

0,50

0,10

0,55

0,17

GNB

0,93

0,50

0,80

0,87

0,62

MLP NN

0,93

0,50

0,40

0,68

0,44

Adaboost

0,91

0,40

0,40

0,68

0,40

SGD

0,93

0,60

0,30

0,64

0,40

SMOTE

LR

0,91

0,44

0,80

0,86

0,57

DT

0,89

0,33

0,50

0,71

0,40

RF

0,92

0,40

0,20

0,59

0,27

XGM

0,95

0,71

0,50

0,74

0,59

SVM

0,93

0,50

0,20

0,59

0,29

KNN

0,91

0,44

0,70

0,81

0,54

GNB

0,88

0,35

0,70

0,80

0,47

MLP NN

0,92

0,45

0,50

0,73

0,48

Adaboost

0,93

0,50

0,50

0,73

0,50

SGD

0,94

0,57

0,80

0,88

0,67