《表2 基于频率的检测结果》
为对比不同机器学习算法和测试集大小对实验结果的影响,选用Naive Bayes(朴素贝叶斯)、Linear SVM(Linear Support Vector Machine,线性支持向量机)、BPNN(Back Propagation Neural Network,后向传播神经网络)、Decision Tree(决策树)和Random Forest(随机森林)算法分别以70%、50%、20%的训练集大小进行实验,结果如表2所示。从表中可以看出,训练集大小对检测结果影响并不明显。随机森林在全部实验中都表现出了最好的性能,线性支持向量机和决策树算法也表现出了优于朴素贝叶斯的性能,后向传播神经网络方法表现最为糟糕。多个模型表现都优于早先研究提出的检测方法。
图表编号 | XD00196907400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.10 |
作者 | 左自清、施勇、薛质 |
绘制单位 | 上海交通大学、上海交通大学、上海交通大学 |
更多格式 | 高清、无水印(增值服务) |