《表3 分类精度比较：基于贝叶斯和F-measure感知机的分类器设计》

  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

《基于贝叶斯和F-measure感知机的分类器设计》

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

%

在研究中，将提出的算法与普通感知器、结合贝叶斯和梯度下降的感知器以及传统的朴素贝叶斯分类器进行比较。每个算法进行10次交叉验证。应用95%置信水平的双尾t检验系统地比较NB算法、普通感知器算法和结合贝叶斯和梯度下降的感知器算法的分类精度。在图5中，通过使用5个数据集获得Fβ值。所提出的算法具有最好的结果。表3给出详细实验结果。实验结果表明，随着不平衡数据的增加，NB、普通感知器和结合贝叶斯和梯度下降的感知器算法的分类精度逐渐降低。与这三种方法相比，本文提出方法的分类精度最高。虽然提出方法的准确性随着失衡数据的增加而减小，但平均准确率为90.42%。