《表1 各机器学习模型的原理与优缺点》

  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

《基于机器学习的历史气候重建论文智能识别与数据挖掘初探》

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

机器学习领域的文本分类模型多样，应用于不同类型的文本，其分类精度不一。本文利用NCDC数据集中经人工标注的范例文本（样本集），对9种常见的机器学习分类模型进行训练，包括:支持向量机模型[27]、决策树模型[28]、装袋算法[29]、随机森林模型[30]、逻辑回归模型[30]、极端随机树模型[31]、朴素贝叶斯模型[32]、K邻近值模型[33]和AdaBoost算法[34]，各模型的原理不尽相同，并各有相应的优缺点（表1）；然后，利用训练后的模型对NCDC中的其余文本（测试集）进行分类，并与人工标注结果进行比对，采用混淆矩阵方法评价了各模型精度，最后遴选出适用于历史气候变化重建论文摘要的最优分类模型。