《表1 分类结果的混淆矩阵》
提示：宽带有限、当前游客访问压缩模式
通常采用分类准确性（xacc）来评估衡量分类模型的性能。分类准确性的数值越大数据准确率越高，算法效果越好。表1为分类结果的混淆矩阵。
| 图表编号 | XD0049991200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.04.01 |
| 作者 | 张宸宁、李国成 |
| 绘制单位 | 北京信息科技大学理学院、北京信息科技大学理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 不同方法分类结果混淆矩阵》2020.09.01
- 《表1 分类结果的混淆矩阵》2020.10.01
- 《表2 分类结果的混淆矩阵》2021.01.25
- 《表4 CNN分类结果的混淆矩阵》2020.07.25
- 《表2 分类结果的混淆矩阵》2021.02.28
- 《表2 分类结果的混淆矩阵》2020.11.01
- 《表1 面向对象分类结果混淆矩阵》2020.03.25
- 《表6 森林类型分类结果的混淆矩阵》2020.09.01
- 《表3 用于极性分类结果的混淆矩阵》2020.04.15
- 《表7 算法分类结果的混淆矩阵》2019.09.01
- 《表1 RF分类器分类结果混淆矩阵》2019.10.25
- 《表4 分类结果的混淆矩阵》2019.11.01
- 《表1 分类结果的混淆矩阵》2019.10.01
- 《表1 三元情感分类结果混淆矩阵》2019.08.01
- 《表1 VNIR影像分类结果混淆矩阵》2019.09.28
- 《表1 分类结果混淆矩阵》2019.06.16
- 《表1 ML和深度学习分类方法分类结果混淆矩阵》2019.06.25
- 《表1 分类混淆矩阵和Kappa指数结果》2019.04.20
- 《表3 DBN分类结果的混淆矩阵》2019.02.25
- 《表1 影像的最大似然分类结果混淆矩阵》2018.03.28