《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》
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。
图表编号 | XD00117669600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 张凡、王宇轩、陈旻瑞、崔玮、徐铖铖 |
绘制单位 | 北京中交国通智能交通系统技术有限公司、交通运输部公路科学研究所、东南大学、江西省高速公路联网管理中心、北京中交国通智能交通系统技术有限公司、交通运输部公路科学研究所、东南大学 |
更多格式 | 高清、无水印(增值服务) |