《表3 K选择错误率：基于判别分析与K近邻算法对塑料吸管的红外光谱分析》

  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

《基于判别分析与K近邻算法对塑料吸管的红外光谱分析》

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

预测变量重要性越大即代表其对样本分类的贡献度越高，所有预测变量的重要性之和为1。其中特征1的重要性为0.39（保留两位小数），特征3和2的重要性为0.3，表示在分类时特征1所做出的贡献大于特征3和2。因此在进行K值选择时按照重要性对特征进行加权，重要性较大的特征占较大权重，反之则占较小权重。K值选择结果进行交叉验证后错误率见表3。