《表3 各模型实验结果：集成学习在短文本分类中的应用研究》

  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

《集成学习在短文本分类中的应用研究》

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

根据上述的实验设计，主要实验结果如表3所示。基学习器中RCNN的效果最优，准确率为0.823 0。将集成学习应用于这5种神经网络文本分类方法后，可以看出Bagging方法的准确率为0.829 8，相比最优的基分类器RCNN，准确率提高了0.83%；Stacking方法的准确率为0.823 8，相比基分类器实验准确率提高了0.10%。