《表5 基分类器经过stacking后在测试集Mi 5上的实验结果》

  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

《中文在线评论中的产品新属性识别研究》

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

从表3、4可以看出，当分类器对应最优的特征组合时，其性能得到了有效提升，从而进一步验证了所构建的四种特征的有效性。为测试分类器性能是否能进一步提升，需对分类器进行集成和投票。在这两个环节中，首先为分类器选择最优的特征组合，充分发挥每个基分类器的性能；其次，基分类器的性能差异不能太大，需要排除性能相对较低的分类器（GNB）；最后，排除相关性较强的分类器（SVM（rbf），DF、RF）以减少同类分类器的重复预测。五种基分类器经过Stacking和投票后，在测试集Mi 5与测试集Samsung Galaxy S7Edge的预测结果见表5～7（注：在Stacking集成方法中，第二层也需要指定分类器，因此，在第二层中本文分别对SVM(linear）、LR、KNN、XGB与MLP进行了测试）。