《表2 基于机器学习算法的十折交叉准确率》
提示：宽带有限、当前游客访问压缩模式
分类算法同样使用决策树算法和朴素贝叶斯算法。最后采用十折交叉验证来计算模型的准确率，准确率普遍在97%到99%之间，比较理想。
| 图表编号 | XD00112985000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.01 |
| 作者 | 黄文博、王祎珺、陈佩佩、汪立欣 |
| 绘制单位 | 西南石油大学网络与信息化中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 不同分类器在十折交叉验证下的准确率》2021.03.10
- 《表2 测试数据：基于机器学习的海里油耗估计算法》2021.01.20
- 《表1 每个被试者的4种机器学习算法的准确率以及平均准确率》2020.11.01
- 《表2 LR模型准确率：基于机器学习方法的上市公司财务预警模型对比研究》2020.04.15
- 《表2 交叉验证准确率：基于集成学习的测井岩性识别模型的构建》2020.03.01
- 《表2 测试集预测准确度：机器学习算法在央行内部审计问题管理中的应用》2020.08.10
- 《表3 十折交叉验证的准确性》2020.05.25
- 《表2 方案的分类准确率：基于机器学习的塑料分类回收预测系统》2020.03.25
- 《表1 不同特征组合的十折验证结果》2020.03.30
- 《表2 基于暗规则的机器学习算法》2019.11.28
- 《表9 十折交叉验证平均正确率》2019.12.01
- 《表1 基于正则匹配分类法十折交叉准确率》2019.10.01
- 《表3 随机森林分类器的十折交叉验证法结果》2019.09.01
- 《表3 基于十折交叉验证的模型训练及预测R2结果》2019.09.01
- 《表5 常见的机器学习算法准确率比较》2019.07.16
- 《表1 十折交叉验证结果：基于多源机器学习的脱贫方式智能推荐研究》2019.01.25
- 《表1 十折交叉验证结果：一种基于SVDD和PCA的风机故障诊断方法》2019.11.25
- 《表6 RFCFA和RF的十折交叉验证准确率》2019.12.01
- 《表4 4组回归数据集在DT、RF和RFCFA上的十折交叉验证均方根误差》2019.12.01
- 《表3 6组分类数据集在DT、RF和RFCFA上的十折交叉验证准确率》2019.12.01