《表4 作者识别结果：基于计量风格学的多层次特征在作者识别应用研究》

  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

《基于计量风格学的多层次特征在作者识别应用研究》

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

用于分类的机器学习方法有很多，常用的有逻辑回归，随机森林，K近邻算法等等。随机森林是集成学习器，具有较好的分类能力和稳定性[14]。逻辑回归分类器是简单易懂的分类器，其缺点是其适用场景和数据有限，不如随机森林强[15]。K近邻是理论比较成熟的方法，不需要训练模型，只在测试数据中进行计算，其缺点是在在数据量小的时候容易误分，只适合样本容量比较大的数据[16]。本文使用以上三种分类器，采用F1值作为评价指标，计算十次实验结果取平均值和方差，分别用来衡量分类器的并计算十次结果的方差（分类结果后括号内）的方差作为得到三个分类器表现如下表4所示。