《表5 SMOTE-Logistic回归模型与传统Logistic回归模型比较结果》

  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SMOTE-Logistic的高速公路鲜活农产品绿色通道车辆稽查与分析》

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

选取敏感性、特异性以及准确性作为评价模型拟合好坏的指标，模型的比较结果如表5所示。传统的Logistic回归模型和SMOTE-Logistic回归模型的准确性分别为99.4%和89.6%，虽然传统的Logistic回归模型的准确性更高，但是以少数类预测准确性作为代价，因此，准确性在这里并不适合用于比较两种模型的性能好坏。然而SMOTE-Logistic回归模型的敏感性显著提高至0.986，并且准确性和特异性均超过了0.89。结果表明，SMOTE算法能够提高分类器的分类性能，降低了由于数据不平衡造成的分类误差。