《表4 4组实验中各类别正确率汇总》
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
《非均衡数据下基于卷积神经网络的专利文本自动分类研究》
根据混淆矩阵整理4组实验各类别的正确率,如表4所示。可以看出,虽然3种采样方法的整体正确率及其他三种评价指标都相对有所提升,但是从各类别的实际情况来看,RUS+CNN主要是改善了少数类样本(E/F)的分类效果;SMOTE+CNN在保证正确率提升、其他多数类别存在个别下降的情况下,整体性能提升不稳定;SMOTE+ENN+CNN的准确率是最高的,基本保障各类别的预测正确率相较于未处理之前都有所提升。
图表编号 | XD00182815500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.30 |
作者 | 黄彩云、吴金红、陈勇跃、王翠波 |
绘制单位 | 武汉纺织大学管理学院、武汉纺织大学管理学院、武汉纺织大学管理学院、中南民族大学管理学院 |
更多格式 | 高清、无水印(增值服务) |