《表3 各分类器在特征选择和超参数优化前后的准确率》
同样将预处理后数据集的70%划分为训练集,30%为测试集,但仅使用DT、RF、Bagging和XGBoost这四种主流分类器对恐怖袭击组织进行分类预测,不进行上述特征选择和超参数优化。表3为这四种主流分类器在特征选择和超参数优化前后的准确率对比。从表3可知,在进行特征选择和超参数优化后,使用这四个分类器的分类预测准确率都有相应的提高,特别是RF、Bagging和XGBoost的准确率提高较大,其中RF和Bagging的准确率分别达到0.823 9和0.831 6。
图表编号 | XD00197699800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.10 |
作者 | 肖跃雷、张云娇 |
绘制单位 | 西安邮电大学现代邮政学院、陕西省信息化工程研究院、西安邮电大学现代邮政学院 |
更多格式 | 高清、无水印(增值服务) |