《表2 混淆矩阵：基于改进的朴素贝叶斯的入侵检测方法》
提示：宽带有限、当前游客访问压缩模式
为了准确评价分类器的性能，采用混淆矩阵真正（TP）和真负（TN）、假正（FP）和假负（FN）。混淆矩阵用来对分类器在训练数据上的模型进行评价，如表2所示。
| 图表编号 | XD00173397600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.05.10 |
| 作者 | 欧阳广津 |
| 绘制单位 | 黔南民族师范学院实验实训中心、黔南民族师范学院计算机与信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 模板台车变形监测：基于朴素贝叶斯的新冠疫情新闻分类研究》2020.07.25
- 《表1 样机参数：基于朴素贝叶斯的新冠疫情新闻分类研究》2020.07.25
- 《表2 混淆矩阵评价原理：基于朴素贝叶斯算法的~*ST企业财务状况预测研究》2020.08.28
- 《表2 LSTM与朴素贝叶斯的文本分类结果对比》2020.12.31
- 《表1 硬度数值（HB)：基于朴素贝叶斯的社交网络入侵行为取证模型构建》2020.12.31
- 《表3 沙被规模分类：基于朴素贝叶斯的社交网络入侵行为取证模型构建》2020.12.31
- 《表2 实验结果：基于朴素贝叶斯的社交网络入侵行为取证模型构建》2020.12.31
- 《表3 实验结果：基于改进的朴素贝叶斯的入侵检测方法》2020.05.10
- 《表2 评价指标：基于朴素贝叶斯分类器的高压开关柜状态评估方法》2020.06.25
- 《表2 基于贝叶斯的矩阵分解方法》2020.01.25
- 《表1 各等级对应的成绩：基于朴素贝叶斯的英语成绩预测模型构建研究》2019.10.25
- 《表1 数据信息：基于BP和朴素贝叶斯的时间序列分类模型》2019.08.01
- 《表2 语义依存特征：基于朴素贝叶斯的细粒度意见挖掘》2019.06.20
- 《表1 评价信息特征：基于朴素贝叶斯的细粒度意见挖掘》2019.06.20
- 《表2 算法有效切换率：基于隐朴素贝叶斯分类方法的垂直切换算法》2019.05.01
- 《表3 宏F1值：基于改进的TF-IDF与隐朴素贝叶斯的情感分类研究》2019.04.30
- 《表2 宏查全率：基于改进的TF-IDF与隐朴素贝叶斯的情感分类研究》2019.04.30
- 《表1 宏查准率：基于改进的TF-IDF与隐朴素贝叶斯的情感分类研究》2019.04.30
- 《表1 实验数据集：基于朴素贝叶斯的法律咨询文本分类方法》2018.08.18
- 《表2 预测结果统计：基于朴素贝叶斯的法律咨询文本分类方法》2018.08.18