《表5 模型正负样本识别性能》
提示：宽带有限、当前游客访问压缩模式
（注：得分后括号内数字为准确率排名前三的模型序号。）
6种不同模型对正负样本的识别评估情况如表5所示。（1）
| 图表编号 | XD00174903100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.06.25 |
| 作者 | 刘伟江、魏海、运天鹤 |
| 绘制单位 | 吉林大学数量经济研究中心、吉林大学商学院、吉林大学商学院、吉林大学商学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 正负样本数据集分布》2020.09.01
- 《表4 测试集中各并发症正负样本分布》2021.02.25
- 《表3 基于多模型思路的样本识别率》2021.02.05
- 《表3 基于多模型思路的样本识别率》2021.02.05
- 《表6 正负样本比例为1∶3时6种算法的效果对比》2021.02.01
- 《表5 正负样本比例为1∶1时6种算法的效果对比》2021.02.01
- 《表5 不同数据预处理方法对模型识别性能的影响》2020.06.25
- 《表5 QCMUE,MUE和MUEBM在样本集外的模型性能测试对比》2020.03.01
- 《表2 正负样本展示：基于FasterMDNet的视频目标跟踪算法》2020.07.15
- 《表2 不同样本重叠度与时间窗口的模型识别结果对比》2020.08.01
- 《表5 故障f3线路Line1-3电流积分值和正负极样本标准差》2020.08.01
- 《表5 样本与正负理想解的接近程度》2020.02.01
- 《表5 样本集降维对迁移模型性能影响》2020.03.01
- 《表5 性能表：民航不安全事件报告危险源识别模型》2020.02.25
- 《表4 股票交易型操纵识别模型样本内和样本外检验结果》2019.10.25
- 《表3 2种模型样本识别结果》2019.06.18
- 《表2 正负样本数目：输电线路绝缘子自爆缺陷识别方法》2019.06.01
- 《表2 KNN和PLS-DA识别模型对苹果样本识别结果》2019.05.10
- 《表5 训练样本量差异下的模型识别效果(词频加权方式为TF-IDF时)》2019.11.25
- 《表5 总样本分类情况：基于决策树算法的水位观测干扰识别模型》2019.11.25