《表4 分类器成对统计分析的分数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《维语网页中n-gram模型结合类不平衡SVM的不良文本过滤方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

测试的错误率以及整体错误率的统计分析结果如表4所示。由于数据集具有不平衡性，有些类别的样本数量较少。从统计结果可以看出，所有测试均拒绝少数类别的假设。对于多数类别来说，假设在两个数据集上被拒绝并在其他三个数据集上被接受，则意味着两个数据集中的错误率在其他分类器上存在差异，但在其他三个数据集上没有差异。至于整体错误率，所有数据都接受假设，这意味着整体错误率没有差异。总之，本文CUB-SVM分类器在少数类别上具有较好的准确性，同时不会牺牲整体的准确性，这说明了本文分类器能够很好地处理不平衡数据。